| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-18页 |
| 1.1 背景与研究意义 | 第8-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 本文工作及主要贡献 | 第14-16页 |
| 1.4 章节安排 | 第16-18页 |
| 第二章 相关算法原理 | 第18-31页 |
| 2.1 最小哈希 | 第18-20页 |
| 2.2 LDA主题模型 | 第20-22页 |
| 2.3 EM算法与变分推导 | 第22-24页 |
| 2.4 可视短语模型 | 第24-25页 |
| 2.5 中国餐馆过程 | 第25-27页 |
| 2.6 其他相关算法和模型 | 第27-31页 |
| 第三章 基于非参数聚类的最小哈希方法 | 第31-44页 |
| 3.1 空间耦合短语 | 第31-34页 |
| 3.2 最小哈希函数相关性 | 第34-36页 |
| 3.3 主题加权优化 | 第36-38页 |
| 3.4 最小哈希函数的聚类 | 第38-41页 |
| 3.5 最小哈希函数簇构造 | 第41-42页 |
| 3.6 讨论 | 第42-44页 |
| 第四章 系统架构与实现细节 | 第44-51页 |
| 4.1 系统架构总述 | 第44-45页 |
| 4.2 特征提取与词典学习 | 第45-47页 |
| 4.3 最小哈希 | 第47-49页 |
| 4.4 匹配与检索 | 第49-51页 |
| 第五章 实验 | 第51-61页 |
| 5.1 实验数据集 | 第51-53页 |
| 5.2 空间耦合短语模型的检验 | 第53-55页 |
| 5.3 最小哈希函数聚类算法的检验 | 第55-57页 |
| 5.4 Oxford 5K数据集 | 第57-59页 |
| 5.5 University of Kentucky数据集 | 第59-61页 |
| 第六章 总结与展望 | 第61-64页 |
| 6.1 总结 | 第61-63页 |
| 6.2 未来的工作 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |