首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于哈希算法的海量多媒体数据检索研究

摘要第5-7页
Abstract第7-8页
1 绪论第15-21页
    1.1 研究背景和意义第15-17页
        1.1.1 研究背景第15-17页
        1.1.2 研究意义第17页
    1.2 论文的研究内容和目标第17-19页
        1.2.1 研究内容第17-18页
        1.2.2 研究目标第18-19页
    1.3 论文的组织结构第19-21页
2 海量多媒体数据检索研究现状第21-33页
    2.1 近邻检索问题第21-22页
    2.2 基于树结构的近邻检索方法第22-23页
        2.2.1 KD树第22页
        2.2.2 聚类树第22-23页
        2.2.3 其它树结构第23页
    2.3 基于哈希的近邻检索方法第23-31页
        2.3.1 局部敏感哈希第24页
        2.3.2 单模态哈希算法第24-30页
        2.3.3 多模态哈希算法第30-31页
    2.4 基于kNN图的近邻搜索方法第31页
    2.5 本章小结第31-33页
3 面向高效检索的互补投影哈希算法第33-47页
    3.1 引言第33-35页
    3.2 与相关工作的区别第35页
    3.3 算法第35-41页
        3.3.1 穿越数据的稀疏区域第35-36页
        3.3.2 近似均衡的哈希桶第36-38页
        3.3.3 目标函数第38-39页
        3.3.4 谱松弛第39页
        3.3.5 梯度下降第39-40页
        3.3.6 计算复杂度分析第40-41页
    3.4 实验第41-45页
        3.4.1 数据集第41-42页
        3.4.2 实验设置第42-43页
        3.4.3 比较的哈希算法第43页
        3.4.4 实验结果与分析第43-45页
    3.5 本章小结第45-47页
4 面向跨媒体数据索引的迭代多视角哈希算法第47-65页
    4.1 引言第47-48页
    4.2 记号第48页
    4.3 算法第48-53页
        4.3.1 视角内相似性保持第48-49页
        4.3.2 视角间的相似性保持第49-50页
        4.3.3 目标函数第50-51页
        4.3.4 优化方法第51-53页
    4.4 实验第53-63页
        4.4.1 数据集第54页
        4.4.2 实验设置第54-55页
        4.4.3 比较的方法第55-56页
        4.4.4 Wiki上的跨模态检索结果第56-57页
        4.4.5 Flickr上的跨模态检索结果第57-58页
        4.4.6 Flickr上的单模态检索结果第58-59页
        4.4.7 训练效率第59-61页
        4.4.8 参数敏感性第61-62页
        4.4.9 收敛速度第62-63页
    4.5 本章小结第63-65页
5 基于迭代扩展哈希算法的优化哈希表索引第65-81页
    5.1 引言第65-66页
    5.2 记号第66页
    5.3 算法第66-70页
        5.3.1 算法流程第66-67页
        5.3.2 kNN表的动态更新第67-68页
        5.3.3 线上阶段的实现第68-69页
        5.3.4 理论分析第69-70页
        5.3.5 复杂度分析第70页
    5.4 实验第70-79页
        5.4.1 数据集第71页
        5.4.2 实验设置第71-72页
        5.4.3 与原始哈希方法的比较第72-76页
        5.4.4 与多哈希表LSH的比较第76-77页
        5.4.5 与KD树的比较第77-78页
        5.4.6 时间复杂度第78-79页
        5.4.7 参数选择第79页
    5.5 本章小结第79-81页
6 总结与展望第81-83页
    6.1 本文工作总结第81-82页
    6.2 工作展望第82-83页
参考文献第83-97页
攻读博士学位期间主要的研究成果第97-99页
致谢第99页

论文共99页,点击 下载论文
上一篇:寡聚噻吩—石墨烯/石墨界面组装的STM研究
下一篇:IPv6隧道性能优化与安全性增强研究