近似最优最近邻高维局部线性扫描算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-15页 |
| ·论文研究背景 | 第7-9页 |
| ·相似性检索 | 第7-8页 |
| ·本文的意义 | 第8-9页 |
| ·多维索引技术现状和发展 | 第9-12页 |
| ·高维索引技术介绍 | 第9-11页 |
| ·高维索引遇到的问题 | 第11-12页 |
| ·本文贡献 | 第12-13页 |
| ·论文安排 | 第13-15页 |
| 第2章 高维数据索引技术综述 | 第15-33页 |
| ·相似性判断 | 第16-18页 |
| ·多媒体特征向量表示 | 第16页 |
| ·多媒体特征的相似性度量 | 第16-17页 |
| ·度量空间与向量空间 | 第17-18页 |
| ·范围查询与 KNN 查询 | 第18页 |
| ·聚类与聚类表示 | 第18-23页 |
| ·聚类算法 | 第18-22页 |
| ·聚类边界表示 | 第22-23页 |
| ·主分量分析 | 第23-24页 |
| ·IDISTANCE | 第24-28页 |
| ·三角不等式 | 第24-26页 |
| ·iDistanceKNN | 第26-28页 |
| ·VA | 第28-31页 |
| ·建立索引结构 | 第28-29页 |
| ·查询过程 | 第29-30页 |
| ·VA 查询过程： | 第30-31页 |
| ·本章总结 | 第31-33页 |
| 第3章 最优局部线性扫描 | 第33-45页 |
| ·引言 | 第33-35页 |
| ·一维映射性能研究 | 第35-38页 |
| ·局部线性扫描 | 第38-43页 |
| ·一维映射参数设置 | 第38-40页 |
| ·最优 PLS | 第40-43页 |
| ·实验结果与分析 | 第43-45页 |
| 第4章 PLS-VA | 第45-53页 |
| ·PLS-VA 索引结构 | 第45-47页 |
| ·VA 结构 | 第45-46页 |
| ·基于 VA 的一维映射 | 第46-47页 |
| ·基于 VA 的查询 | 第47-48页 |
| ·查询算法 | 第48-49页 |
| ·实验与结果分析 | 第49-53页 |
| ·实验环境 | 第49页 |
| ·实验结果与分析 | 第49-53页 |
| 第5章 基于聚类的 PLS、PLS-VA 算法 | 第53-63页 |
| ·聚类应用 | 第53-55页 |
| ·聚类下界计算 | 第53-54页 |
| ·GMM 与 K-Means | 第54-55页 |
| ·基于聚类的 PLS 算法 | 第55-58页 |
| ·算法优势 | 第55页 |
| ·索引结构 | 第55-56页 |
| ·KNN 查询算法 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·基于聚类的 PLS-VA 算法 | 第58-61页 |
| ·基于聚类的 VA | 第58页 |
| ·索引结构与查询算法 | 第58-59页 |
| ·实验结果与分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 研究成果 | 第71-72页 |
