| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.3 研究挑战 | 第16-17页 |
| 1.4 研究内容及创新 | 第17-18页 |
| 1.5 章节组织及内容安排 | 第18-20页 |
| 第二章 相关理论及技术 | 第20-33页 |
| 2.1 多视角数据及性质 | 第20-24页 |
| 2.1.1 相关性原则 | 第21-22页 |
| 2.1.2 一致性原则 | 第22-23页 |
| 2.1.3 互补性原则 | 第23-24页 |
| 2.2 基于哈希的近邻搜索技术 | 第24-29页 |
| 2.2.1 基于哈希的近邻搜索 | 第24-26页 |
| 2.2.2 哈希函数 | 第26-27页 |
| 2.2.3 互补哈希表结构 | 第27-29页 |
| 2.3 锚点图哈希技术 | 第29-32页 |
| 2.3.1 锚点图哈希模型 | 第29-30页 |
| 2.3.2 相似度矩阵近似 | 第30-31页 |
| 2.3.3 特征函数泛化 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 融合多视角信息和互补哈希表的图像近邻搜索 | 第33-55页 |
| 3.1 问题分析 | 第33-38页 |
| 3.1.1 图像上的近邻搜索问题 | 第33-36页 |
| 3.1.2 基于哈希的海量图像近邻搜索 | 第36-38页 |
| 3.2 多视角近邻融合及本文解决思路 | 第38-40页 |
| 3.3 融合多视角信息和互补哈希表的海量图像近邻搜索 | 第40-51页 |
| 3.3.1 基于加权锚点图的相似度矩阵估计 | 第40-43页 |
| 3.3.2 单张哈希表学习 | 第43-45页 |
| 3.3.3 多张互补哈希表学习 | 第45-48页 |
| 3.3.4 多视角线索提取及融合 | 第48-50页 |
| 3.3.5 锚点重加权 | 第50-51页 |
| 3.4 本文算法框架及复杂度分析 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 实验与评估 | 第55-70页 |
| 4.1 实验数据集 | 第55-56页 |
| 4.2 实验配置和评价指标 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-69页 |
| 4.3.1 多视角近邻融合 | 第58-59页 |
| 4.3.2 多视角线索提取 | 第59-61页 |
| 4.3.3 融合多视角信息和互补哈希表的海量图像近邻检索 | 第61-66页 |
| 4.3.4 可视化及错误样本分析 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |