| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-13页 |
| 1.1.1 自组织映射神经网络相关的研究 | 第10-12页 |
| 1.1.2 拓扑保持哈希的相关研究 | 第12-13页 |
| 1.2 论文的主要工作内容 | 第13页 |
| 1.3 论文的组织结构 | 第13-14页 |
| 第2章 哈希学习 | 第14-20页 |
| 2.1 数据无关哈希 | 第14-15页 |
| 2.2 哈希学习 | 第15-19页 |
| 2.2.1 基于相似性矩阵的哈希学习 | 第15-16页 |
| 2.2.2 基于相似度调整的哈希学习 | 第16-17页 |
| 2.2.3 其他的哈希学习 | 第17-19页 |
| 2.3 本章小节 | 第19-20页 |
| 第3章 自组织映射神经网络 | 第20-27页 |
| 3.1 矢量量化 | 第20-21页 |
| 3.2 自组织映射神经网络 | 第21-25页 |
| 3.2.1 自组织映射神经网络的定义 | 第21-22页 |
| 3.2.2 自组织映射神经网络的邻接函数 | 第22页 |
| 3.2.3 自组织映射神经网络的训练 | 第22-24页 |
| 3.2.4 自组织映射神经网络的数学表示 | 第24页 |
| 3.2.5 自组织映射神经网络的初始化 | 第24-25页 |
| 3.3 自组织映射神经网络的应用和改进 | 第25页 |
| 3.4 本章小节 | 第25-27页 |
| 第4章 基于自组织映射神经网络的拓扑保持的哈希方法 | 第27-35页 |
| 4.1 朴素的自组织映射神经网络哈希 | 第27-29页 |
| 4.2 松弛的自组织映射神经网络哈希 | 第29-32页 |
| 4.2.1 加入松弛矩阵 | 第29-31页 |
| 4.2.2 求解 | 第31-32页 |
| 4.3 划分子空间的自组织映射神经网络哈希 | 第32-33页 |
| 4.4 本章小节 | 第33-35页 |
| 第5章 实验设计 | 第35-42页 |
| 5.1 实验所用的数据集 | 第35-36页 |
| 5.2 对比方法 | 第36页 |
| 5.3 在短哈希码上的性能 | 第36-37页 |
| 5.4 在长哈希码上的实验 | 第37-38页 |
| 5.5 训练时间 | 第38-40页 |
| 5.6 参数的选择 | 第40页 |
| 5.7 本章小结 | 第40-42页 |
| 第6章 结论与展望 | 第42-44页 |
| 6.1 结论 | 第42-43页 |
| 6.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-49页 |
| 攻读学位期间发表的学术论文 | 第49-50页 |
| 附表 | 第50页 |