小样本问题是在机器学习中普遍存在的一个重要问题，也是图像分类领域的关键问题之一。
　　《基于语义计算的小样本图像分类研究》共6章，从语义计算角度，针对两类4种不同的小样本问题进行研究；提出了基于潜在语义的单源小样本图像分类方法、基于模糊语义的零样本图像分类方法、基于语义树融合的多源小样本图像分类方法、基于弱语义计算的多源小样本图像分类方法，这4种方法分别应对不同情况下的小样本问题。
　　《基于语义计算的小样本图像分类研究》理论与实践结合，可作为计算机专业及人工智能专业本科生及研究生的学习材料，也可作为数字图像处理、模式识别的工程项目人员科研的参考资料。

第1章 绪论
1．1 研究背景及意义
1．2 国内发展现状
1．3 本书的主要工作和贡献
1．4 本书的结构安排

第2章 基于潜在语义的单源小样本图像分类研究
2．1 引言
2．2 数字图像处理
2．3 基于潜在语义的图像分类模型
2．4 模型的EM算法求解
2．5 实验
2．6 本章小结

第3章 基于模糊语义的零样本图像分类研究
3．1 引言
3．2 模糊属性
3．3 模糊知识
3．4 模型求解
3．5 实验
3．6 本章小结

第4章 基于语义树融合的多源小样本图像分类研究
4．1 引言
4．2 融合语义树模型
4．3 模型的优化求解
4．4 实验
4．5 本章小结

第5章 基于弱语义计算的多源小样本图像分类研究
5．1 引言
5．2 弱语义计算的图像分类方法
5．3 本章算法与多任务学习算法的区别
5．4 本章算法的性能分析
5．5 实验
5．6 本章小结

第6章 总结与展望
6．1 本书工作总结
6．2 展望

参考文献