| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究意义与背景 | 第11-13页 |
| 1.2 本文的贡献 | 第13页 |
| 1.3 论文主要研究内容 | 第13-15页 |
| 第二章 张量分解与机器学习 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 张量 | 第15-19页 |
| 2.2.1 张量分解 | 第15-17页 |
| 2.2.2 Tensor Train分解 | 第17-19页 |
| 2.3 常用分类器 | 第19-25页 |
| 2.4 基于Tensor Train的低秩学习 | 第25-27页 |
| 2.4.1 Tensor Train的SVM学习模型 | 第26-27页 |
| 2.4.2 优化方程求解 | 第27页 |
| 2.5 实验结果与分析 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于近似最近邻搜索的CBIR系统 | 第30-47页 |
| 3.1 引言 | 第30-31页 |
| 3.2 特征选择 | 第31-35页 |
| 3.2.1 卷积神经网络 | 第33-34页 |
| 3.2.2 AlexNet网络 | 第34-35页 |
| 3.3 距离度量 | 第35-37页 |
| 3.4 索引理论基础 | 第37-38页 |
| 3.5 近似最近邻搜索 | 第38-44页 |
| 3.5.1 基于树结构的近似邻搜索 | 第38-39页 |
| 3.5.2 基于哈希的近似最近邻检索 | 第39-44页 |
| 3.6 实验结果与分析 | 第44-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第四章 基于OpenMP与CUDA的并行最近邻检索 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 OpenMP简介 | 第47-49页 |
| 4.3 OpenMP编程技术 | 第49-50页 |
| 4.3.1 循环并行化 | 第49页 |
| 4.3.2 数据同步 | 第49-50页 |
| 4.4 基于OpenMP的最近邻检索 | 第50-51页 |
| 4.5 CUDA简介 | 第51-53页 |
| 4.6 CUDA C编程 | 第53-55页 |
| 4.7 基于CUDA的最近邻检索 | 第55-58页 |
| 4.8 本章小结 | 第58-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 授权 | 第65页 |