| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 研究内容和目标 | 第14页 |
| 1.3 文章组织结构 | 第14-16页 |
| 第2章 近似最近邻检索相关技术概述 | 第16-30页 |
| 2.1 基于树结构的近似最近邻检索 | 第16-19页 |
| 2.1.1 层次聚类树(HKM) | 第16-18页 |
| 2.1.2 KD树(KD-Trees) | 第18-19页 |
| 2.2 基于哈希的近似最近邻检索 | 第19-26页 |
| 2.2.1 基于随机投影的哈希算法 | 第20-22页 |
| 2.2.2 基于学习的哈希算法 | 第22-24页 |
| 2.2.3 积量化(PQ) | 第24-26页 |
| 2.3 基于最近邻图结构的近似最近邻检索 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于哈希加速的近似最近邻检索框架 | 第30-34页 |
| 3.1 近似最近邻检索算法分类 | 第30-31页 |
| 3.2 统一的近似最近邻检索框架 | 第31-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于哈希加速和层次聚类树结构的近似最近邻检索方法 | 第34-38页 |
| 4.1 基于哈希加速的层次聚类树(Hash-HKM)的构造 | 第34-35页 |
| 4.2 在基于哈希加速的层次聚类树(Hash-HKM)上的近似最近邻检索 | 第35-37页 |
| 4.3 时间复杂度分析 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于哈希加速和最近邻图结构的近似最近邻检索方法 | 第38-44页 |
| 5.1 带松弛约束的图最近邻检索(GNNSR)算法 | 第38-40页 |
| 5.2 基于哈希加速和松弛约束的图最近邻检索(HGNNSR)算法 | 第40-43页 |
| 5.3 时间与空间复杂度分析 | 第43页 |
| 5.4 本章小结 | 第43-44页 |
| 第6章 近似最近邻检索算法的对比实验结果 | 第44-60页 |
| 6.1 数据集 | 第44页 |
| 6.2 评价度量 | 第44-45页 |
| 6.3 算法分析 | 第45-51页 |
| 6.3.1 图最近邻算法的局部最优问题 | 第45-46页 |
| 6.3.2 图最近邻算法的参数分析 | 第46-50页 |
| 6.3.3 排序性能 | 第50-51页 |
| 6.4 算法比较 | 第51-59页 |
| 6.4.1 对比算法 | 第51-52页 |
| 6.4.2 参数设置 | 第52-54页 |
| 6.4.3 对比结果 | 第54-59页 |
| 6.5 本章小结 | 第59-60页 |
| 第7章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间的主要研究成果 | 第68-70页 |
| 致谢 | 第70页 |
