导读:本文包含了聚类索引论文开题报告文献综述及选题提纲参考文献，主要关键词:云安全,密文检索,排序检索,聚类索引
聚类索引论文文献综述
杜瑞忠,李明月,田俊峰[1]（2019）在《基于聚类索引的多关键字排序密文检索方案》一文中研究指出为了提高密文检索的效率和精度,提出基于聚类索引的多关键字排序密文检索方案.首先利用改进的Chameleon算法对文件向量聚类,聚类过程中通过记录关键字位置对文件向量进行降维处理.其次,提出适合聚类索引的检索算法,使得在查询过程中可以排除大量与查询向量无关的文件向量,减少了不必要的计算消耗.再次,在聚类过程中引入杰卡德相似系数来计算文件向量之间的相似度以及设定合适的阈值提高聚类质量.在真实数据集上进行了实验,理论分析和实验结果表明:在保障数据隐私安全的前提下,该方案较传统的密文检索方案有效地提高了密文检索的效率与精度.(本文来源于《计算机研究与发展》期刊2019年03期）
彭冬磊[2]（2016）在《面向聚类索引构建的图像检索方法研究》一文中研究指出伴随多媒体技术的迅速普及,图像数据也取得了爆发式的增长,使得图像检索技术成为了计算机视觉领域的一项重要的分支。图像检索相关技术的研究经历基于文本、内容和语义检索的叁个阶段,现阶段主要是基于图像语义的检索研究,其在基于内容检索的基础上融入了机器学习,人工智能,模式识别、数据挖掘等领域知识,来提升图像检索的能力。然而,当前图像检索的精准度仍有待进一步提高,因此本文通过将聚类分析和相关反馈技术等方法的融入来减少基于内容图像检索中未能考虑到的实际语义信息所带来的检索结果与用户实际对图像理解的差异,并对图像库构建索引结构,最终可以减少查询的时间,提升图像检索的精度。本文针对面向聚类索引构建的图像检索方法进行研究,主要的工作如下:一、对于现有的图像底层视觉特征,往往只是对图中某一方面特性的描述,特征也仅仅是对图像表面的某种规律的反映,不含实际语义信息,因而会造成图像信息大量的损失。为此,本文对传统Hu不变矩和局部颜色特征做出了一些改进,提高特征的表达能力,融入了一些语义信息,使其更有针对性。二,基于聚类分析的分层索引的构建,将图像库中提取到的形状和视觉特征借助聚类分析进行组织,两种特征形成分层的索引结构,形状特征用于粒度较大的查询,而颜色特征则用于进一步的详细检索上,可以提高特征查询的准确度和多样性。叁、基于用户反馈的分类处理的研究,针对用户对图像检索的反馈,通过使用机器学习中SVM算法对用户反馈的结果进行训练学习,完成人机交互并缩小图像底层特征与高级语义之间的距离,使图像检索的结果更加贴近用户的兴趣点,更加准确。(本文来源于《武汉理工大学》期刊2016-04-01）
王文霞[3]（2016）在《基于分级策略和聚类索引树的构件检索方法》一文中研究指出基于刻面的构件表示法,其术语空间需要人工建立和维护,具有较强的人为主观性。针对此问题,文中采用刻面分类与全文检索相结合的构件表示方法,提出了一种基于分级策略和聚类索引树的构件检索方法。该方法采用基于语义相似度与优化的构件聚类算法构建构件聚类索引树,并为每个刻面引入合理的权重因子。在真实构件库上的实验结果表明:基于分级策略和聚类索引树的构件检索方法是有效的,相比没有引入分级策略的构件检索方法具有较高的构件查全率和查准率。(本文来源于《计算机技术与发展》期刊2016年04期）
田晓珍,任姚鹏,王春红[4]（2014）在《一种改进的构件聚类索引树的研究》一文中研究指出构件的合理分类是实现构件高效检索的基础和关键。针对目前应用广泛的刻面分类方法存在主观性因素的弊端,采用刻面分类和全文检索相结合的方法来描述构件。在此构件描述的基础上,利用聚类分析技术和语义分析技术提出一种基于语义的构件聚类索引树。并通过实验验证,该聚类索引树是可行的,有效地克服刻面分类方法的缺点,在一定程度上实现对构件的语义检索,而且具有较高的构件查全率和查准率。此外,用户在描述检索条件时,不再局限于限定的术语,更方便于普通用户。(本文来源于《现代计算机(专业版)》期刊2014年23期）
吴家良[5]（2012）在《基于颜色纹理聚类索引的图像检索研究》一文中研究指出目前,由于传统的基于文本的搜索引擎如百度、google无法准确的搜索出满足用户需求的图像,因此基于图像内容(常用的图像的内容特征有颜色,纹理,形状)的检索就由此发展起来,并成为一大热点研究领域。本文对颜色量化提取,聚类索引和纹理提取叁个领域做了如下研究：(1)采用HSV颜色空间,提出81维,288维量化方法；对比叁种量化方法的实验效果。实验结果表明,288维的量化方法有较好的检索效果。(2)根据量化的颜色,提出两种聚类索引算法。第一种是基于颜色组合的聚类索引算法,该算法通过不同量化颜色的组合,形成不同聚类,再把图像划分到不同聚类中。在图像检索时,首先根据检索图像的主颜色,生成主颜色组合聚类的名称；然后检索对应名称的聚类中的图像索引,然后再把聚类的图像进行相似度计算。第二种基于颜色百分比区间的聚类索引算法,该算法把颜色百分比的值[0,1]划分为n个区间,每个区间都形成一个聚类,再根据图像主颜色的百分比的大小把图像划分到不同区间的聚类中。在图像检索时,首先根据检索图像的主颜色百分比的大小,设置各主颜色的查询区间,然后根据主颜色组合和该组合中的各个主颜色所属的区间聚类查询图像,最后进行相似度计算。两种聚类方法都避免了对图像数据库的所有图像进行相似度计算,提高了检索速度,使得在大型图像数据库进行图像检索成为可能。(3)提出一种结合颜色和纹理的检索方法。该算法首先对HSV颜色空间进行量化,提取主颜色特征；然后使用灰度共生矩阵和双树复小波变换进行纹理特征提取。该方法提取了主颜色特征信息和两种纹理特征信息,实验表明该方法有更好的查准率和查全率,具更快的检索速度。(本文来源于《广西大学》期刊2012-05-01）
吴家良,梁正友,林烁[6]（2013）在《高效聚类索引表图像检索》一文中研究指出提出了一种基于主颜色、聚类索引表的彩色图像检索算法。应用MPEG-7视觉内容描述对彩色图像进行量化处理,选取图像的主颜色及其所占百分率作为颜色特征,根据主颜色组合建立聚类索引数据库。利用上述主颜色特征计算图像间的相似度,利用聚类索引表对图像进行聚类和快速检索。实验表明,该算法能够准确和高效地检索出用户所需的彩色图像,具有较快的检索速度。(本文来源于《计算机工程与应用》期刊2013年09期）
龙巧云,邓彬,曾敏[7]（2008）在《图像数据库聚类索引方法研究》一文中研究指出针对大规模图像数据库的特点,用基于高斯混合模型的期望值最大(EM)算法对图像数据库进行聚类划分,为每个聚类建立索引项,且它所包含的原始特征数据在磁盘上连续存储。查询时,对于用户的查询范例首先确定最可能的候选聚类,然后在候选聚类范围内查询翔实图像。试验结果表明,该方法可提高图像检索速度。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2008年04期）
王立凯,高宏,李建中,石胜飞[8]（2007）在《一种无线传感网络中基于聚类索引的区域查询处理方法》一文中研究指出在无线传感器网络环境中,观察者感兴趣的往往是某个地理区域的统计信息.观察者会经常提出与区域相关的查询,例如:"区域A的平均温度是多少","区域B中的哪些区域的温度在20～30℃之间."由于每个传感器节点只有有限的能量,因此,研究能量有效性的区域查询算法成为一个重要的研究课题.给出了一种无线传感网络中基于聚类索引的区域查询处理方法,并进行了分析和实验,证明该算法无论在存储还是在查询时消耗的能量都很小,大约是DIFS的1/7,从而延长整个传感器网络的生命周期.(本文来源于《第二十四届中国数据库学术会议论文集（研究报告篇）》期刊2007-10-20）
施智平,胡宏,李清勇,史俊,史忠植[9]（2007）在《视频数据库的聚类索引方法》一文中研究指出理想的视频库组织方法应该把语义相关并且特征相似的视频的特征向量相邻存储.针对大规模视频库的特点,在语义监督下基于低层视觉特征对视频库进行层次聚类划分,当一个聚类中只包含一个语义类别的视频时,为这个聚类建立索引项,每个聚类所包含的原始特征数据在磁盘上连续存储.统计低层特征和高层特征的概率联系,构造Bayes分类器.查询时对用户的查询范例,首先确定最可能的候选聚类,然后在候选聚类范围内查询相似视频片段.实验结果表明,文中的方法不仅提高了检索速度而且提高了检索的语义敏感度.(本文来源于《计算机学报》期刊2007年03期）
刘燕,邝颖杰[10]（2007）在《基于聚类索引树的高维近似检索算法》一文中研究指出提出了一个基于聚类索引树的高维近似检索方法,详细描述了其建树算法和检索算法。由于传统索引对高维空间的k-近邻检索效率的提高非常有限,我们把近似检索和聚类索引树结合起来,从而用很小的精度损失换取很高的检索效率。实验表明,与精确检索相比,本方法的误差非常小,而检索速度大大优于其他方法,因此具有广泛的应用前景。(本文来源于《现代计算机》期刊2007年03期）
聚类索引论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
伴随多媒体技术的迅速普及,图像数据也取得了爆发式的增长,使得图像检索技术成为了计算机视觉领域的一项重要的分支。图像检索相关技术的研究经历基于文本、内容和语义检索的叁个阶段,现阶段主要是基于图像语义的检索研究,其在基于内容检索的基础上融入了机器学习,人工智能,模式识别、数据挖掘等领域知识,来提升图像检索的能力。然而,当前图像检索的精准度仍有待进一步提高,因此本文通过将聚类分析和相关反馈技术等方法的融入来减少基于内容图像检索中未能考虑到的实际语义信息所带来的检索结果与用户实际对图像理解的差异,并对图像库构建索引结构,最终可以减少查询的时间,提升图像检索的精度。本文针对面向聚类索引构建的图像检索方法进行研究,主要的工作如下:一、对于现有的图像底层视觉特征,往往只是对图中某一方面特性的描述,特征也仅仅是对图像表面的某种规律的反映,不含实际语义信息,因而会造成图像信息大量的损失。为此,本文对传统Hu不变矩和局部颜色特征做出了一些改进,提高特征的表达能力,融入了一些语义信息,使其更有针对性。二,基于聚类分析的分层索引的构建,将图像库中提取到的形状和视觉特征借助聚类分析进行组织,两种特征形成分层的索引结构,形状特征用于粒度较大的查询,而颜色特征则用于进一步的详细检索上,可以提高特征查询的准确度和多样性。叁、基于用户反馈的分类处理的研究,针对用户对图像检索的反馈,通过使用机器学习中SVM算法对用户反馈的结果进行训练学习,完成人机交互并缩小图像底层特征与高级语义之间的距离,使图像检索的结果更加贴近用户的兴趣点,更加准确。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
聚类索引论文参考文献
[1].杜瑞忠,李明月,田俊峰.基于聚类索引的多关键字排序密文检索方案[J].计算机研究与发展.2019
[2].彭冬磊.面向聚类索引构建的图像检索方法研究[D].武汉理工大学.2016
[3].王文霞.基于分级策略和聚类索引树的构件检索方法[J].计算机技术与发展.2016
[4].田晓珍,任姚鹏,王春红.一种改进的构件聚类索引树的研究[J].现代计算机(专业版).2014
[5].吴家良.基于颜色纹理聚类索引的图像检索研究[D].广西大学.2012
[6].吴家良,梁正友,林烁.高效聚类索引表图像检索[J].计算机工程与应用.2013
[7].龙巧云,邓彬,曾敏.图像数据库聚类索引方法研究[J].武汉理工大学学报(信息与管理工程版).2008
[8].王立凯,高宏,李建中,石胜飞.一种无线传感网络中基于聚类索引的区域查询处理方法[C].第二十四届中国数据库学术会议论文集（研究报告篇）.2007
[9].施智平,胡宏,李清勇,史俊,史忠植.视频数据库的聚类索引方法[J].计算机学报.2007
[10].刘燕,邝颖杰.基于聚类索引树的高维近似检索算法[J].现代计算机.2007