| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第一章 引言 | 第10-30页 |
| 1．1 研究背景 | 第10-13页 |
| 1．2 相关反馈机制的研究现状 | 第13-21页 |
| 1．2．1 专用方法 | 第15-16页 |
| 1．2．2 基于判别式分析的方法 | 第16-17页 |
| 1．2．3 基于密度估计的方法 | 第17-19页 |
| 1．2．4 基于模式分类的方法 | 第19-20页 |
| 1．2．5 基于机器学习的方法 | 第20-21页 |
| 1．3 高维索引机制的研究现状 | 第21-27页 |
| 1．3．1 精确索引方法 | 第23-24页 |
| 1．3．2 近似索引方法 | 第24-27页 |
| 1．4 论文的主要工作 | 第27-30页 |
| 第二章 基于矢量量化的索引机制 | 第30-61页 |
| 2．1 k最近邻检索及索引机制 | 第31-37页 |
| 2．1．1 传统索引结构 | 第32-33页 |
| 2．1．2 基于向量近似的索引方法 | 第33-37页 |
| 2．2 基于矢量量化的索引方法 | 第37-48页 |
| 2．2．1 数据分布模型 | 第38-42页 |
| 2．2．2 VQ-file索引方法 | 第42-46页 |
| 2．2．3 检索复杂性分析 | 第46-48页 |
| 2．3 实验结果 | 第48-59页 |
| 2．3．1 实验环境 | 第48-49页 |
| 2．3．2 评价标准 | 第49-50页 |
| 2．3．3 实验结果 | 第50-59页 |
| 2．4 结论 | 第59-61页 |
| 第三章 基于分层结构的索引机制 | 第61-76页 |
| 3．1 近似检索和近似索引 | 第62-63页 |
| 3．2 基于分层结构的索引方法 | 第63-70页 |
| 3．3 实验结果 | 第70-74页 |
| 3．3．1 实验环境 | 第70页 |
| 3．3．2 评价标准 | 第70-71页 |
| 3．3．3 实验结果 | 第71-74页 |
| 3．4 结论 | 第74-76页 |
| 第四章 基于特征子空间分析的相关反馈方法 | 第76-104页 |
| 4．1 相关反馈方法与机器学习 | 第77-78页 |
| 4．2 基于线性变换的相关反馈方法 | 第78-82页 |
| 4．3 基于特征子空间分析的相关反馈方法 | 第82-95页 |
| 4．3．1 特征子空间分析 | 第83-87页 |
| 4．3．2 基于正样本特征子空间分析的相关反馈方法 | 第87-90页 |
| 4．3．3 基于特征子空间分析的相关反馈方法 | 第90-95页 |
| 4．4 实验结果 | 第95-102页 |
| 4．4．1 实验环境 | 第95-96页 |
| 4．4．2 评价标准 | 第96-97页 |
| 4．4．3 实验结果 | 第97-102页 |
| 4．5 结论 | 第102-104页 |
| 第五章 基于非线性特征抽取的相关反馈方法 | 第104-123页 |
| 5．1 非线性方法的相关反馈机制 | 第104-107页 |
| 5．2 基于二分量判别函数的相关反馈方法 | 第107-111页 |
| 5．2．1 特征判据与二次型距离 | 第107-108页 |
| 5．2．2 二分量判别函数 | 第108-109页 |
| 5．2．3 基于BCDF的相关反馈方法 | 第109-111页 |
| 5．3 基于超球面支持向量分类的相关反馈方法 | 第111-116页 |
| 5．3．1 SVM方法与OC-SVM方法 | 第112-113页 |
| 5．3．2 基于超球面的支持向量分类 | 第113-115页 |
| 5．3．3 基于HS-SVC的相关反馈方法 | 第115-116页 |
| 5．4 实验结果 | 第116-121页 |
| 5．4．1二 分类判别函数方法 | 第116-120页 |
| 5．4．2 超球面支持向量分类方法 | 第120-121页 |
| 5．5 结论 | 第121-123页 |
| 第六章 结论 | 第123-126页 |
| 参考文献 | 第126-135页 |
| 致谢 | 第135-136页 |
| 个人简历 | 第136页 |
| 攻读博士学位期间发表的学术论文 | 第136-137页 |
| 参加的科研项目 | 第137页 |
| 获奖情况 | 第137页 |