声明
摘要
1绪论
1.1引言
1.2研究背景及意义
1.3国内外研究现状
1.3.1 ANN查询量化编码方法的研究现状
1.3.2 ANN查询距离度量方式的研究现状
1.4本文研究内容及篇章结构
1.4.1研究内容
1.4.2篇章结构
1.5本章小结
2相关理论与技术
2.1最近邻查询介绍
2.2精确查询与近似查询
2.2.1精确查询
2.2.2近似查询
2.3流数据处理技术
2.3.1相关概念及特性
2.3.2批量计算和流式计算
2.4本章小结
3面向流数据的滑动窗口分层抽样算法
3.1滑动窗口数据流概要生成技术
3.1.1指数直方图技术
3.1.2基本窗口技术
3.1.3 CS技术
3.2衰减滑动窗口及衰减函数
3.3高维流数据的低阶表示
3.4 TWD-SWSS算法
3.4.1算法背景
3.4.2算法原理
3.4.3算法特性分析
3.4.4算法实验
3.5本章小结
4基于离散系数的动态自适应量化算法
4.1基于hash的ANN相关概念
4.1.1随机hash与hash学习
4.1.2信息熵
4.2基于hash学习的动态自适应量化编码方法框架
4.2.1相关定义
4.2.2动态自适应编码量化方法的比特位分配方式
4.3动态自适应编码量化算法实现
4.4本章小结
5基于动态自适应量化方法的动态自适应距离度量算法
5.1相似性度量方式
5.2动态自适应距离度量算法相关定义
5.3动态自适应距离度量算法实现
5.4本章小结
6流数据实时分析的近似最近邻查询模型
6.1模型设计
6.1.1数据来源
6.1.2架构设计
6.2实验环境
6.2.1实验配置
6.2.2评价指标
6.2.3实验方法
6.3实验结果
6.4本章小结
7总结和展望
7.1研究总结
7.2研究展望
致谢
参考文献
附录
南京理工大学;