1. 研究目的与意义、国内外研究现状（文献综述）
现在的社会是一个高速发展的社会。自从计算机问世以及因特网普及以来，科技发达，信息流通，我们的社会面临着信息爆炸的威胁。网络拉近了人与人之间的距离，人们之间的交流越来越密切，生活也越来越方便。然而，多媒体化和信息化的普遍带来的是数据的急剧增长，尤其是图像信息。在巨大的数据量中包含着庞大的有用信息，当然也存在着没有用的、无关的、冗余的垃圾信息。面对如此庞大的信息量，如何快速而又有效地从中整理并筛选出能够直接为社会带来帮助的信息是一个急需解决的问题。在这样的背景下，图像多标签分类技术应运而生。
目前，我们的搜索引擎大多使用的是关键字搜索技术。关键字搜索技术实现简单，符合大多用户的使用习惯，但是关键字搜索主要适用于文本检索，对于图像搜索，它就存在许多不足。首先，有些图像是无法用文本描述清晰的；其次，手工标注效率太低，面对如今大量的图像信息资源，手工标注已经无法满足需求；最后，手工标注太过主观化，不同的人对于同一幅图像有不同的理解，造成标注不一致，从而导致检索的不完全性和不准确性。
而且，根据实际情况，一幅图像不可能独立地属于哪一个类别，每一幅图像中都会包含许多信息，有些信息是相互独立的，有些信息是相互关联的。每一个独立的信息点都可以作为该图像的一个标签。我们在寻找某些图片时，也可能会有多个需求，为了满足用户的需求，我设计了根据多标签搜索的图像搜索引擎这么一个系统。
2. 研究的基本内容和问题
1.研究目标
(1)了解图像多标签技术的研究现状
(2)学习图像多标签技术相关算法的思想，并能够实现
3. 研究的方法与方案
研究方法、技术路线、实验方案及可行性分析
1.研究方法
(1)通过阅读文献和资料，了解多标签学习的基本思想和相关的经典算法。
4. 研究创新点
将多标签分类技术运用于图片搜索引擎。
如今，大多数的图片搜索引擎都是使用关键字搜索的搜索方式。
由于图片的关键字是由人工人为标注的，每一个人的理解角度是不一样的，所以对某一张图片的分类也是会有很大差异的，所以这种搜索方式具有很大的主观性和不全面性。
5. 研究计划与进展
1.3月1日3月15日：预计使用两个星期完成提取这组图像的信息，包括颜色、纹理、轮廓等，研究相应算法和技术，完成相关的程序代码
2. 3月16日3月31日：预计使用两个星期选择并且理解多标签标注的算法，完成相关的程序代码
3.4月1日4月10日：预计使用10天整合所有代码
