多維與度量數(shù)據(jù)結構基礎

第1章 多維點數(shù)據(jù)
　1.1 引言
　1.2 區(qū)域樹
　1.3 優(yōu)先搜索樹
　1.4 四叉樹
　　1.4.1 點四叉樹
　　1.4.2 基于前綴樹的四叉樹
　　1.4.3 點四叉樹與基于前綴樹的四叉樹之間的比較
　1.5 k-d樹
　　1.5.1 點k-d樹
　　1.5.2 基于前綴樹的k-d樹
　　1.5.3 結合樹
　1.6 一維排序
　1.7 桶方法
　　1.7.1 樹目錄方法
　　1.7.2 網(wǎng)格目錄方法
　　1.7.3 存儲利用率
　1.8 pk-樹
　　1.8.1 動機 　　
　　1.8.2 概述
　　1.8.3 定義
　　1.8.4 和桶式方法的比較
　　1.8.5 操作
　　1.8.6 討論
　1.9 結論
第2章 基于物體與基于圖像的圖像表示
　2.1 基于內部的表示
　　2.1.1 單位大小的單元
　　2.1.2 塊
　　2.1.3 非正交塊
　　2.1.4 任意形狀的物體
　　2.1.5 分層的基于內部的表示
　2.2 基于邊界的表示
　　2.2.1 邊界模型
　　2.2.2 基于圖像的邊界表示
　　2.2.3 基于物體的邊界表示
　　2.2.4 基于表面的邊界表示
　2.3 基于差別的壓縮方法
　　2.3.1 行程編碼
　　2.3.2 鏈碼
　　2.3.3 頂點表示
　2.4 歷史回顧
第3章 區(qū)間及小矩形
　3.1 平面掃描法與矩形求交問題
　　3.1.1 線段樹
　　3.1.2 區(qū)間樹
　　3.1.3 優(yōu)先搜索樹
　　3.1.4 其他方法及相關問題
　3.2 平面掃描法與測度問題
　3.3 基于點的方法
　　3.3.1 代表點
　　3.3.2 代表點集合
　　3.3.3 小結
　3.4 基于區(qū)域的方法-
　　3.4.1 mx-cif四叉樹
　　3.4.2 mx-cif四叉樹的替代方案
　　3.4.3 多四叉樹塊表示法
第4章 多維數(shù)據(jù)
　4.1 最佳優(yōu)先的最近鄰查找
　　4.1.1 動機
　　4.1.2 搜索層次
　　4.1.3 算法
　　4.1.4 重復對象實例算法
　　4.1.5 算法擴展(k-最近、k-最遠、輪廓)
　　4.1.6 空間網(wǎng)絡中的最近鄰
　　4.1.7 相關工作
　4.2 深度優(yōu)先的k-最近鄰查找
　　4.2.1 基本算法
　　4.2.2剪枝規(guī)則
　　4.2.3 聚類法對剪枝的影響
　　4.2.4 活躍表元素的處理次序
　　4.2.5 改進的算法
　　4.2.6 在最佳優(yōu)先算法中整合maxnearestdist
　　4.2.7 實例
　　4.2.8 比較
　4.3 近似的最近鄰查找
　4.4 多維索引法
　　4.4.1 x-樹
　　4.4.2 包圍球法：sphere樹、ss樹、ball樹、sr樹
　　4.4.3 提高扇出：tv-樹、混合樹和a樹
　　4.4.4 基于voronoi圖的方法：os-樹
　　4.4.5 近似voronoi圖(avd)
　　4.4.6 避免所有葉塊的交疊
　　4.4.7 金字塔技術
　　4.4.8 基于順序掃描的方法
　4.5 基于距離的索引法
　　4.5.1 距離度量與搜索剪枝
　　4.5.2 球劃分法
　　4.5.3 廣義超平面劃分法
　　4.5.4 m-樹
　　4.5.5 sa-樹
　　4.5.6 knn圖(k近鄰圖)
　　4.5.7 距離矩陣法
　　4.5.8 sash：無需借助三角不等式的索引
　4.6 降維法
　　4.6.1 降維空間中的搜索
　　4.6.2 僅用一維
　　4.6.3 代表點法
　　4.6.4 變換為不同、更小的特征集
　　4.6.5 小結
　4.7 嵌入法
　　4.7.1 概述
　　4.7.2 lipschitz嵌入
　　4.7.3 fastmap
　　4.7.4 位置敏感散列法
附錄a b-樹概覽
附錄b 線性散列
附錄c 螺旋散列
附錄d 偽代碼語言描述
習題解答
參考文獻
關鍵詞索引