| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 引言 | 第8-12页 |
| 1 研究背景及意义 | 第8页 |
| 2 研究目标及主要贡献 | 第8-10页 |
| 3 论文结果及主要内容 | 第10-12页 |
| 第二章 高维索引综述 | 第12-41页 |
| 1 高维数据及索引结构的特点 | 第12-13页 |
| 2 高维数据查询方式 | 第13-14页 |
| 3 向量空间与度量空间索引结构及其异同点 | 第14-15页 |
| 4 向量空间高维索引结构 | 第15-24页 |
| 5 度量空间高维索引结构 | 第24-31页 |
| 6 基于统计学习的索引结构 | 第31-35页 |
| 7 相似性检索 | 第35-37页 |
| 8 背景与相关工作 | 第37-39页 |
| 9 本章总结 | 第39-41页 |
| 第三章 基于聚类分解的高维度量空间索引B~+-Tree | 第41-54页 |
| 1. 基于聚类分解的索引结构 | 第43-47页 |
| ·聚类分解方法 | 第43-46页 |
| ·KNN查询算法 | 第46-47页 |
| 2 代价模型与聚类分解个数的确定 | 第47-50页 |
| ·范围查询代价模型 | 第47-48页 |
| ·K-NN查询代价模型 | 第48-49页 |
| ·最小查询代价聚类分解数的确定 | 第49-50页 |
| ·使得查询代价最小化的聚类数目 | 第50页 |
| 3 对比实验 | 第50-53页 |
| ·相同聚类环数与聚类数性能比较 | 第51页 |
| ·预测聚类分解性能与实际最优性能、聚类性能比较 | 第51-52页 |
| ·聚类环分解方法性能与其他索引方法性能比较 | 第52-53页 |
| 4 结论 | 第53-54页 |
| 第四章 基于查询采样的高维数据混合索引 | 第54-72页 |
| 1 两阶段数据划分 | 第56-57页 |
| 2 混合索引结构 | 第57-64页 |
| 3 混合索引的KNN查询算法 | 第64-65页 |
| 4 实验 | 第65-70页 |
| 5 结论 | 第70-72页 |
| 第五章 利用高维索引支持相关反馈 | 第72-91页 |
| 1 特征提取 | 第73-76页 |
| 2 相似性度量方法 | 第76-77页 |
| 3 启发式用户相关反馈 | 第77-78页 |
| 4 基于最优化方法的用户相关反馈 | 第78页 |
| 5 基于机器学习的用户相关反馈 | 第78-79页 |
| 6 利用高维索引支持相关反馈 | 第79-80页 |
| 7 相关工作 | 第80-82页 |
| 8 支持相关反馈的索引结构 | 第82-86页 |
| ·索引结构 | 第82-83页 |
| ·用户相关反馈 | 第83-84页 |
| ·利用索引支持用户相关反馈 | 第84页 |
| ·减缩的语义相关查询半径 | 第84-86页 |
| 9 查询算法 | 第86-88页 |
| ·支持用户相关反馈的范围查询 | 第86-87页 |
| ·支持用户相关反馈的最近邻查询 | 第87-88页 |
| 10 实验 | 第88-91页 |
| 第六章 小结和今后工作 | 第91-95页 |
| 1 小结 | 第91-92页 |
| 2 今后工作 | 第92-95页 |
| 参考文献 | 第95-103页 |
| 附中文参考文献 | 第103-104页 |
| 发表论文情况 | 第104-105页 |
| 参与科研项目 | 第105-106页 |
| 致谢 | 第106-107页 |