| 中文摘要 | 第5-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第15-35页 |
| 1.1 直方图的起源及应用 | 第15-18页 |
| 1.1.1 直方图在数据库领域的应用 | 第15-16页 |
| 1.1.2 直方图在计算机视觉领域的应用 | 第16-18页 |
| 1.2 直方图的定义和分类 | 第18-26页 |
| 1.2.1 Equi-Sum(V,S)(别名：等宽直方图) | 第21-22页 |
| 1.2.2 Equi-Sum(V,F)(别名：等高直方图) | 第22页 |
| 1.2.3 V-Optimal(V,F) | 第22-24页 |
| 1.2.4 总结 | 第24-26页 |
| 1.3 直方图应用中的新型数据管理技术 | 第26-31页 |
| 1.3.1 新型直方图构建技术 | 第26-29页 |
| 1.3.2 直方图的查询处理技术 | 第29-31页 |
| 1.4 本文的主要创新和组织结构 | 第31-35页 |
| 1.4.1 主要创新 | 第31-34页 |
| 1.4.2 组织结构 | 第34-35页 |
| 第二章 基于均值的差分隐私直方图构造 | 第35-79页 |
| 2.1 问题提出 | 第35-42页 |
| 2.2 相关工作 | 第42-48页 |
| 2.2.1 差分隐私保护相关技术概述 | 第42-44页 |
| 2.2.2 满足差分隐私模型的直方图构造技术 | 第44-48页 |
| 2.3 预备知识 | 第48-51页 |
| 2.3.1 V-Optimal直方图构造问题 | 第48-49页 |
| 2.3.2 差分隐私模型 | 第49-51页 |
| 2.4 基于均值的差分隐私直方图构造算法 | 第51-65页 |
| 2.4.1 Mean-NoiseFirst算法 | 第52-57页 |
| 2.4.2 Mean-StructureFirst算法 | 第57-65页 |
| 2.5 有效支持任意的范围计数查询 | 第65-67页 |
| 2.5.1 Mean-NoiseFirst算法的非一致处理策略 | 第66页 |
| 2.5.2 Mean-StructureFirst算法的非一致处理策略 | 第66-67页 |
| 2.6 实验评价 | 第67-76页 |
| 2.6.1 实验设置 | 第68-69页 |
| 2.6.2 测试参数k对Mean-StructureFirst方法的影响 | 第69-72页 |
| 2.6.3 差分隐私直方图精度评测 | 第72-76页 |
| 2.6.4 实验总结 | 第76页 |
| 2.7 结论 | 第76-79页 |
| 第三章 基于中位数的差分隐私直方图构造 | 第79-111页 |
| 3.1 问题提出 | 第79-81页 |
| 3.2 构造基于中位数的V-Optimal直方图 | 第81-83页 |
| 3.3 基于中位数的差分隐私直方图的构造算法 | 第83-91页 |
| 3.3.1 Median-NoiseFirst算法 | 第83-86页 |
| 3.3.2 Median-StructureFirst算法 | 第86-91页 |
| 3.4 有效支持任意的范围计数查询 | 第91-92页 |
| 3.5 实验评价 | 第92-109页 |
| 3.5.1 实验设置 | 第92-93页 |
| 3.5.2 测试参数k对Median-StructureFirst算法的影响 | 第93-98页 |
| 3.5.3 比较基于均值的构造方法和基于中位数的构造方法 | 第98-101页 |
| 3.5.4 差分隐私直方图精度评测 | 第101-104页 |
| 3.5.5 执行时间评测 | 第104-109页 |
| 3.6 结论 | 第109-111页 |
| 第四章 面向EMD距离的直方图索引和存储 | 第111-125页 |
| 4.1 相关工作 | 第114-115页 |
| 4.1.1 EMD距离的求解 | 第114页 |
| 4.1.2 面向EMD距离的索引技术 | 第114-115页 |
| 4.2 预备知识 | 第115-118页 |
| 4.3 面向EMD距离的直方图的索引和存储 | 第118-123页 |
| 4.3.1 将直方图映射至一维实数空间 | 第118-120页 |
| 4.3.2 面向EMD距离的直方图索引和存储策略 | 第120页 |
| 4.3.3 选择对偶问题的可行解 | 第120-123页 |
| 4.4 结论 | 第123-125页 |
| 第五章 数据库环境下基于EMD距离的直方图相似性搜索 | 第125-151页 |
| 5.1 问题提出 | 第125-126页 |
| 5.2 相关工作 | 第126-130页 |
| 5.2.1 数据库中的概率查询 | 第126-128页 |
| 5.2.2 基于EMD距离的相似性搜索技术 | 第128-130页 |
| 5.3 预备知识 | 第130-131页 |
| 5.4 应用场景 | 第131-134页 |
| 5.5 基于EMD距离的相似性搜索算法 | 第134-141页 |
| 5.5.1 范围查询算法 | 第134-136页 |
| 5.5.2 k-近邻查询算法 | 第136-141页 |
| 5.6 实验评价 | 第141-149页 |
| 5.6.1 实验设置 | 第141-142页 |
| 5.6.2 范围查询评测 | 第142-146页 |
| 5.6.3 k-近邻查询评测 | 第146-149页 |
| 5.7 结论 | 第149-151页 |
| 第六章 数据流环境下基于EMD距离的直方图连续相似性搜索 | 第151-173页 |
| 6.1 问题提出 | 第151-153页 |
| 6.2 相关工作 | 第153-154页 |
| 6.3 数据流环境下基于EMD距离的直方图连续相似性搜索技术 | 第154-162页 |
| 6.3.1 可行解动态更新策略 | 第156-159页 |
| 6.3.2 多查询共享策略 | 第159-162页 |
| 6.4 实验评价 | 第162-166页 |
| 6.4.1 实验设置 | 第162-163页 |
| 6.4.2 连续相似性搜索性能评测 | 第163-166页 |
| 6.5 EUDEMON原型演示系统 | 第166-171页 |
| 6.5.1 系统框架及功能组件介绍 | 第167-168页 |
| 6.5.2 系统展示 | 第168-171页 |
| 6.6 结论 | 第171-173页 |
| 第七章 结束语 | 第173-177页 |
| 7.1 本文工作总结 | 第173-176页 |
| 7.2 未来工作展望 | 第176-177页 |
| 参考文献 | 第177-187页 |
| 致谢 | 第187-189页 |
| 攻读博士学位期间发表的文章 | 第189-191页 |
| 科研经历 | 第191-193页 |
| 个人简历 | 第193页 |
