海量高维数据的多哈希表索引算法的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文的主要工作及组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 相关技术介绍 | 第17-31页 |
| 2.1 传统索引技术 | 第17-20页 |
| 2.1.1 空间划分树索引及近邻查询 | 第17-18页 |
| 2.1.2 聚类划分树索引及近邻查询 | 第18-20页 |
| 2.2 局部敏感哈希 | 第20-22页 |
| 2.2.1 汉明距离 | 第21-22页 |
| 2.2.2 LSH定义 | 第22页 |
| 2.3 乘积量化算法 | 第22-26页 |
| 2.3.1 矢量量化 | 第22-23页 |
| 2.3.2 乘积量化 | 第23-25页 |
| 2.3.3 优化的乘积量化 | 第25-26页 |
| 2.4 分布式计算框架 | 第26-30页 |
| 2.4.1 Hadoop | 第26-28页 |
| 2.4.2 Spark | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于多哈希表索引的近邻查找算法 | 第31-47页 |
| 3.1 问题描述 | 第31-32页 |
| 3.2 论文方法的提出 | 第32-34页 |
| 3.3 多哈希表的建立 | 第34-39页 |
| 3.3.1 二进制编码表示 | 第34-35页 |
| 3.3.2 不同哈希位关联性的衡量 | 第35-36页 |
| 3.3.3 比特位分组方案的优化 | 第36-39页 |
| 3.4 数据的索引及查询优化 | 第39-42页 |
| 3.5 Spark并行环境的实现 | 第42-46页 |
| 3.5.1 数据及任务并行化 | 第43-44页 |
| 3.5.2 Spark的并行实现 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 实验设计与结果分析 | 第47-57页 |
| 4.1 实验环境及数据库 | 第47-48页 |
| 4.1.1 实验环境 | 第47页 |
| 4.1.2 实验数据 | 第47-48页 |
| 4.2 算法的评估标准 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-56页 |
| 4.3.1 哈希表哈希位数的影响 | 第49-51页 |
| 4.3.2 不同方法的对比实验 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间公开发表论文 | 第62-63页 |
| 致谢 | 第63页 |
