B-树性能分析与知识内容的教学设计

本文在介绍了B-树的定义，查找过程和性能分析，并以实例应用的方式展示了B-树的插入过程，简介了删除的过程。     

数据流重组中Hash-Splay查找算法

针对高速网络取证目前所面临的问题,围绕提高网络数据流重组效率,在数据流重组算法中分析比较了几种典型的查找算法,并将Hash表和Splay树组合成Hash-Splay查找算法.该算法首先建立Hash表,然后将所有的TCP连接结点分配到各个表项,每个表项用Splay树将该表项的所有连接结点组织起来.查找时,根据连接标识通过Hash函数计算出Hash地址,再对该Hash地址对应的Splay树进行查找,找到后按照Splay树的操作规则进行查找、插入和删除等操作.由于根据连接标识找到对应Splay树的时间开销很小,可以忽略不计,因此Hash-Splay算法的复杂度可以看作是每棵Splay树操作的平均复杂度,算法同时具有Hash表和Splay树的优点,查找效率比Hash表和Splay树的都高.     

B-树／B＋树的批量插入算法

本文对传统的B-树／B 树插入算法进行改进,提出了B-树／B 树的批量插入的算法,在理论上估计了该算法的复杂度。并进行了比较实验．实验结果表明：本算法在对大批量的关键字建立索引时。大大提高了B-树／B 树的插入效率。而且同时还适用于更新索引。     

一种Byte查找第K个元素的算法研究

查找第K个元素的问题在计算机查找技术中占有十分重要的地位，这个问题的最直接解法是先将序列排序，从而能得到第K个元素，最少需O(nlogn)次比较，即时间复杂度为O(nlogn)．比较好的方法是采用分治策略解决该同题，但其最坏时间复杂度为O(n^2)，平均时间复杂度为O(2n)．本文提出一种Byte解决第K个元素问题的算法，该算法的平均时间复杂度为O(n n／255)，优于以前对该问题的求解方法，而且该算法可以适用于由整数、浮点数、无符号整型数、双精度数和字符型数构成的超大数集．     

高速缓存感知的包分类算法

提出了一种高速缓存感知的数据结构CATree，对聚合位向量包分类算法进行改进，可提高算法的区间查找速度．CATree是一个基于B-树的数据结构，它使用数组存储数据，由于没有指针，所以Cache利用率更高，使用CATree可以降低查找算法的DRAM访问次数，改进后的算法整体性能有很大提高，即在600条规则的性能评价实验中，改进算法比聚合位向量算法快30%，比位向量算法快94％。     

一种IP数据包快速分类算法

为了提高查找效率,在无冲突哈希查找算法和Grid of Tries算法的基础上提出了一种基于无冲突哈希和多比特Trie树(NHMT)的IP分类算法.该算法的核心有3部分:哈希函数的构造,主要是采用基于目的端口和协议两域构造哈希函数,使得在最坏情况下完全避免了空间爆炸问题;在Grid of Tries算法的基础上,对Grid of Tries算法改造成修剪的Trie树和多比特Trie树,以减少空间复杂度;在无冲突哈希查找算法的基础上扩展一层用于存放源端口号(或范围),扩展后一般要提高算法的时间复杂度,要通过引入多比特Trie树的方法进行解决.对于空间复杂度方面与无冲突哈希查找算法比较,一般情况下不增加空间复杂度.通过仿真,当对10 000条规则进行包分类时,该算法的分类速度可以达到1 Mbit/s,所消耗的最大内存为8.2 MB.     

用于文本分类的快速KNN算法

KNN(k Nearest Neighbor)算法是一种简单、有效、非参数的文本分类方法.传统的KNN方法有着样本相似度计算量大的明显缺陷,使其在具有大量高维样本的文本分类中缺乏实用性.提出了一种快速查找精确的k个最近邻的TKNN(Tree-k-Nearest-Neighbor)算法,该算法建立一棵用于查找的树,加速k个最近邻的查找.首先以整个样本集合中心为基准,按照距离中心的距离将所有样本进行排序,并等分L组,作为根结点的孩子,每个孩子以同样方式处理,直到每组样本数量在[k,2k]间为止.根据这棵树查找k个最近邻,减小了查找范围,极大地降低了相似度计算量.     

一种三支决策软增量聚类算法

已有的大多数聚类算法都假设数据集保持不变,然而,很多应用中数据集是会随时间变化的。为此,提出了一种新的三支决策软增量聚类算法。采用区间集的形式表示类簇,区间集的上界、边界与下界就对应着三支决策产生的正域、边界域和负域,并提出了一种基于代表点的初始聚类算法。采用同样的方式对新增数据集进行一次预聚类,以消除数据处理顺序对最终聚类结果产生的影响。为了快速查找新增数据的相似区域,建立了代表点搜索树,并且给出了查找和更新搜索树的策略。运用三支决策策略完成增量聚类。实验结果表明提出的增量聚类算法是有效的。     

求第K个元素的快速算法

依据数据的机内编码特征，提出了一种从无符号整数序列中查找第K个元素的快速算法．算法分析和实验结果表明：算法的时间复杂度低于传统的基于比较的查找算法，且附加存储空间小．     

基于B＋树的文本信息检索技术

随着人类步入信息时代,网上庞大的数字化信息与人们获取所需信息能力之间的矛盾日益突出,怎样快速地检索相关信息已经成为研究热点。阐述了全文检索系统的原理,分析了基于字表结构的索引组织方法和索引库的建立。通过和B-树的对比,提出了基于B＋树的索引存储方法及其算法思想,对提高索引的存储效率和查找速度具有一定意义。     

基于哈希和合并技术的FP-Growth新算法

对频繁模式增长(FP-Growth)算法进行了改进,用哈希头表代替头表.通过合并频繁模式树(FP-Tree)中支持数相同的结点,压缩了树的规模,有效地节省了空间.实验结果表明,改进后的算法在查找效率上有了大幅度的提高,可以更好地适用于大规模数据集的关联规则挖掘.     

一种基于平衡因子控制的RN-Tree改进算法

研究了RN-Tree算法的基本原理,在实验中发现了算法存在的缺陷,即容易形成高度不平衡树,会造成查找效率的降低.提出了一种改进算法,通过控制RN-Tree的平衡因子,形成平衡树,以提高查找效率.编程模拟了改进的RN-Ttee生成过程及查找过程.实验表明,通过平衡因子控制,可以使RN-Ttee的查找效率提高.     

一种基于平衡因子控制的RN-Tree改进算法

研究RN-Tree算法的基本原理，在实验中发现了算法存在的缺陷，即容易形成高度不平衡树，会造成查找效率的降低。提出了一种改进算法，通过控制RN-Tree的平衡因子，形成平衡树，以提高查找效率。编程模拟了改进的RN-Tree生成过程及查找过程。实验表明，通过平衡因子控制，可以使RN-Tree的查找效率提高。     

一种支持大型多人在线游戏的覆盖网组播生成树算法

提出了一种基于AOI(Area of Interest)域的可调覆盖组播生成树算法AOMST(Adjustable Overlay Multicast Spanning Tree),该算法可用于支持大型多人在线游戏MMOG(Massively Multi-player Online Games).它的基本思想是先将MMOG按照兴趣域划分分区,在每个分区内以结点带宽及时延为可调影响因子构建组播生成树,然后再通过3种不同的结点变换操作来进一步减少组播生成树中的时延.仿真实验表明,AOMST算法是有效的.     

两棵树的公共子树查找算法综述

本文通过对基于两棵树中的公共子树查找问题在有根、带标记、有序树中的主要算法及相关历史的回顾,结合算法思想将公共子树查找问题分为主要3类.本文深入探讨了每类算法中的代表算法,其中根据数据挖掘中枚举树相关技术提出了一种可能的公共子树查找算法的思想.最后比较了文中主要算法的效率,同时较为深入地分析和讨论了公共子树的相关研究及未来可能的研究发展方向.     

量子B-代数的粗糙性（英文）

不确定性理论有广泛的应用和重要的影响。文章将不确定性理论中的粗糙集理论应用到量子B-代数中。考虑了（线性序）量子B-代数的粗糙子代数，证明了量子B-代数上的子代数是粗糙子代数。然后，研究了格序量子B-代数的粗糙正规q-滤子。证明了量子B-代数上正规q-滤子是粗糙正规q-滤子。为了研究格序的量子B-代数，借助单位元将量子B-代数分为三类，给出了并和交运算的具体形式。研究了格序量子B-代数上粗糙正规q-滤子的同态像。此外，将粗糙集理论应用于一类特殊的量B-代数—CKL-代数中，通过选择合适的蕴含算子，证明了粗糙集代数是CKL-代数。最后，将粗糙软集理论应用在量子B-代数上，给出了一个量子B-代数上的决策算法。     

重删环境下双 B-树索引性能优化研究

为了减少重删环境下磁盘访问次数,提高重删系统的读取性能,提出了一种基于双B-树的索引结构DBIS(Double B-tree Index Structure).DBIS由两种结构不同的B-树构成,B-tree-1通过优化B-树结构,提高检索效率;Btree-2则在B-树的基础上,结合改进的LRU算法构成优化的索引结构,提高了检索命中率.实验验证了DBIS的有效性和优越性,达到了对重复数据删除系统读性能优化的目的.     

多时隙的二进制搜索防冲突算法

针对RFID系统的标签冲突问题,文章在二进制搜索树算法和Aloha算法的基础上,提出了一种新颖的算法,在二进制树的每个节点处动态地估计标签的数量,根据标签的数量使用相应的时隙数;进一步对算法的性能进行了理论分析,并且通过仿真比较了该算法与二进制搜索树算法的性能,结果证明该算法能够有效地节约能量。     

基于权重搜索树改进K近邻的高维分类算法

信息采集技术日益发展导致的高维、大规模数据,给数据挖掘带来了巨大挑战,针对K近邻分类算法在高维数据分类中存在效率低、时间成本高的问题,提出基于权重搜索树改进K近邻(K-nearest neighbor algorithm based on weight search tree,KNN-WST)的高维分类算法,该算法根据特征属性权重的大小,选取部分属性作为结点构建搜索树,通过搜索树将数据集划分为不同的矩阵区域,未知样本需查找搜索树获得最"相似"矩阵区域,仅与矩阵区域中的数据距离度量,从而降低数据规模,以减少时间复杂度.并研究和讨论最适合高维数据距离度量的闵式距离.6个标准高维数据仿真实验表明,KNN-WST算法对比K近邻分类算法、决策树和支持向量机(support vector machine,SVM)算法,分类时间显著减少,同时分类准确率也优于其他算法,具有更好的性能,有望为解决高维数据相关问题提供一定参考.     

对基于B-树系列的数据库索引算法的研究

用户对数据库最频繁的操作是进行数据查询。为了提高检索数据的能力,数据库引入了索引机制。索引是一个单独的、物理的数据库结构,它是某个数据库表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单。B-树、B＋树是两种常见的数据库索引结构。本文研究基于B-树、B＋树的索引结构的算法,并分析比较各自的性能。