图像检索中基于近似k-近邻图的近似最近邻搜索算法研究
| 摘要 | 第4-6页 |
| 英文摘要 | 第6-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.3 论文主要工作和创新点 | 第20-21页 |
| 1.4 论文组织结构 | 第21-24页 |
| 第二章 近似最近邻搜索经典算法 | 第24-36页 |
| 2.1 基于树的近似最近邻搜索 | 第24-26页 |
| 2.1.1 K-D树 | 第24页 |
| 2.1.2 随机K-D树 | 第24-25页 |
| 2.1.3 层次k-means树 | 第25-26页 |
| 2.2 基于哈希的近似最近邻搜索 | 第26-28页 |
| 2.2.1 局部敏感哈希 | 第26-27页 |
| 2.2.2 p稳定分布局部敏感哈希 | 第27-28页 |
| 2.3 基于向量量化的近似最近邻搜索 | 第28-32页 |
| 2.3.1 乘积量化 | 第28-30页 |
| 2.3.2 优化乘积量化 | 第30-31页 |
| 2.3.3 倒排多索引 | 第31-32页 |
| 2.4 基于图的近似最近邻搜索 | 第32-34页 |
| 2.4.1 K近邻图 | 第32-33页 |
| 2.4.2 HNSW | 第33页 |
| 2.4.3 差异化相似图 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于近似k-NN图的可扩展最近邻搜索算法 | 第36-50页 |
| 3.1 引言 | 第36-37页 |
| 3.2 基于k-NN Graph的爬山搜索 | 第37-39页 |
| 3.2.1 k-NN图 | 第37-38页 |
| 3.2.2 GNNS回顾 | 第38-39页 |
| 3.2.3 增强GNNS算法 | 第39页 |
| 3.3 快速最近邻搜索 | 第39-42页 |
| 3.3.1 余量量化回顾 | 第40页 |
| 3.3.2 RVQ倒排表和级联剪枝 | 第40-42页 |
| 3.4 实验结果和分析 | 第42-48页 |
| 3.4.1 数据集和评价标准 | 第43-44页 |
| 3.4.2 E-GNNS与GNNS比较 | 第44页 |
| 3.4.3 倒排索引支持的E-GNNS | 第44-46页 |
| 3.4.4 与其它方法比较 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 轻量级k-NN图构造算法 | 第50-66页 |
| 4.1 引言 | 第50页 |
| 4.2 相关工作 | 第50-53页 |
| 4.2.1 基于空间分割的近似最近邻搜索算法 | 第51页 |
| 4.2.2 局部敏感哈希 | 第51页 |
| 4.2.3 基于向量量化的近似最近邻搜索算法 | 第51-52页 |
| 4.2.4 基于图的近似最近邻搜索算法 | 第52-53页 |
| 4.3 k-NN图构造 | 第53-56页 |
| 4.3.1 2-M树 | 第54页 |
| 4.3.2 构造k-NN图 | 第54-56页 |
| 4.4 实验结果和分析 | 第56-60页 |
| 4.4.1 数据集及性能评判标准 | 第56-58页 |
| 4.4.2 参数分析 | 第58页 |
| 4.4.3 与基于图的方法的性能比较 | 第58-59页 |
| 4.4.4 与其他类最近邻搜索方法的性能比较 | 第59-60页 |
| 4.5 本章小结 | 第60-66页 |
| 第五章 工作总结和未来工作 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 未来工作 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间取得的学术成果 | 第74-75页 |
| 致谢 | 第75页 |
