| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究目标和贡献 | 第12-13页 |
| ·论文结构及主要内容 | 第13-14页 |
| 第2章 相关高维数据检索技术综述 | 第14-21页 |
| ·距离度量方式 | 第14-15页 |
| ·高维数据查询方式 | 第15页 |
| ·向量空间和度量空间 | 第15-16页 |
| ·相似性检索 | 第16-17页 |
| ·近似检索 | 第17-20页 |
| ·本章总结 | 第20-21页 |
| 第3章 自适应聚类距离边界的高维索引结构及查询算法 | 第21-33页 |
| ·VORONOI图 | 第21-23页 |
| ·定义 | 第22页 |
| ·性质 | 第22-23页 |
| ·应用 | 第23页 |
| ·自适应聚类距离边界 | 第23-27页 |
| ·自适应聚类边界 | 第24-25页 |
| ·超平面边界 | 第25-26页 |
| ·降低复杂度的超平面边界 | 第26-27页 |
| ·索引方法和存储策略 | 第27-28页 |
| ·V-KNN查询算法 | 第28-31页 |
| ·算法实现 | 第28-30页 |
| ·V-KNN算法的优缺点 | 第30-31页 |
| ·对加快高维数据查询速度的现有改进 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 降维技术及其研究现状 | 第33-39页 |
| ·降维综述 | 第33-35页 |
| ·降维定义 | 第33页 |
| ·降维分类 | 第33-34页 |
| ·线性降维和非线性降维的比较 | 第34-35页 |
| ·PCA降维 | 第35-36页 |
| ·LLE降维 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 对基于自适应聚类距离边界高维索引结构的KNN算法的改进 | 第39-49页 |
| ·改进思路 | 第39-40页 |
| ·改进方案 | 第40-44页 |
| ·索引方法和存储策略 | 第40-42页 |
| ·改进的KNN算法-IV-KNN算法 | 第42-44页 |
| ·实验性能评估标准 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·数据总量大小对查询性能的影响 | 第45-47页 |
| ·维数大小对查询性能的影响 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 自适应聚类距离边界的高维检索的降维处理研究 | 第49-62页 |
| ·近似检索实现途径的分析 | 第49-50页 |
| ·基于PCA和LLE相结合的降维处理方案 | 第50-52页 |
| ·对确定低维维数的处理方案 | 第50-51页 |
| ·针对IV-KNN查询的降维处理方法 | 第51页 |
| ·对新加入数据对象的处理方案 | 第51-52页 |
| ·实验方案 | 第52-53页 |
| ·实验性能评估标准 | 第52-53页 |
| ·实验环境 | 第53页 |
| ·实验结果与分析 | 第53-61页 |
| ·数据总量大小对查询性能的影响 | 第53-54页 |
| ·维数大小对查询性能的影响 | 第54-56页 |
| ·聚类个数对查询性能的影响 | 第56-58页 |
| ·邻居个数对查询性能的影响 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间参加的科研项目和成果 | 第70页 |
