利用领域特性扩展的kd-tree及其查找算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-13页 |
| 1.1 研究动因 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 本文内容组织 | 第12-13页 |
| 第2章 传统kd-tree | 第13-21页 |
| 2.1 kd-tree | 第13-16页 |
| 2.1.1 kd-tree 的构建及记录的插入 | 第13-14页 |
| 2.1.2 检索记录 | 第14-16页 |
| 2.1.3 结构优化 | 第16页 |
| 2.1.4 范围查找 | 第16页 |
| 2.1.5 最近邻查找 | 第16页 |
| 2.2 kd-tree 在兴趣管理中的应用 | 第16-21页 |
| 2.2.1 兴趣管理 | 第16页 |
| 2.2.2 兴趣域 | 第16-17页 |
| 2.2.3 场景分割 | 第17-18页 |
| 2.2.4 传统kd-tree 查找算法要点描述 | 第18-19页 |
| 2.2.5 传统kd-tree 的缺点 | 第19-21页 |
| 第3章 利用邻域特性扩展的kd-tree | 第21-28页 |
| 3.1 术语 | 第21页 |
| 3.2 邻域特性 | 第21-24页 |
| 3.2.1 边界的定义 | 第22页 |
| 3.2.2 邻域的定义 | 第22页 |
| 3.2.3 邻域特性 | 第22-24页 |
| 3.3 扩展的kd-tree | 第24-28页 |
| 3.3.1 扩展的kd-tree 结构 | 第24-27页 |
| 3.3.2 数据定义 | 第27-28页 |
| 第4章 扩展的kd-tree 上的查找算法 | 第28-35页 |
| 4.1 新算法要点描述 | 第28-32页 |
| 4.2 新算法举例 | 第32-33页 |
| 4.3 算法分析比较 | 第33-35页 |
| 4.3.1 性能分析 | 第33-34页 |
| 4.3.2 时间消耗分析 | 第34页 |
| 4.3.3 空间消耗分析 | 第34-35页 |
| 第5章 仿真实验 | 第35-39页 |
| 5.1 实验环境的设定 | 第35页 |
| 5.2 测试结果包含的数据项及细节设定 | 第35-36页 |
| 5.3 测试中出现的问题及解决方案 | 第36页 |
| 5.4 分析方法介绍 | 第36-37页 |
| 5.4.1 中位数 | 第36-37页 |
| 5.4.2 均方差 | 第37页 |
| 5.5 数据分析 | 第37-39页 |
| 第6章 总结与展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44-45页 |
| 攻读硕士学位期间取得的科研成果 | 第45页 |
