| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文的研究背景和应用意义 | 第9-11页 |
| 1.2 基于哈希的近似性搜索和距离度量学习研究现状 | 第11-13页 |
| 1.3 本论文主要研究内容 | 第13-14页 |
| 1.4 本论文文章结构 | 第14-15页 |
| 第二章 大规模图片搜索技术介绍 | 第15-25页 |
| 2.1 哈希搜索算法 | 第15-20页 |
| 2.1.1 非监督哈希算法 | 第15-16页 |
| 2.1.2 监督和半监督哈希算法 | 第16-17页 |
| 2.1.3 基于图论的锚图哈希算法 | 第17-20页 |
| 2.2 距离度量学习 | 第20-22页 |
| 2.3 随机梯度下降优化算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于锚图哈希的半监督度量学习算法 | 第25-37页 |
| 3.1 算法整体框架 | 第25-26页 |
| 3.2 算法实现方案 | 第26-34页 |
| 3.2.1 基于锚图哈希的半监督度量学习算法 | 第26-31页 |
| 3.2.2 引入惩罚因子的算法 | 第31-34页 |
| 3.3 算法的一般形式 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 算法仿真及分析 | 第37-54页 |
| 4.1 仿真实验环境 | 第37-41页 |
| 4.1.1 所用数据集 | 第37-38页 |
| 4.1.2 对比的算法 | 第38-39页 |
| 4.1.3 使用的评价指标 | 第39-41页 |
| 4.2 算法参数敏感性分析 | 第41-42页 |
| 4.3 USPS数据集上的仿真实验 | 第42-46页 |
| 4.4 NUS-WIDE数据集上的仿真实验 | 第46-52页 |
| 4.5 算法时间开销对比分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间申请的专利 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |