基于邻接表和改进深度搜索的进路搜索研究

为解决传统联锁表结构的站场数据修改繁琐,利用联锁表搜索进路效率低的问题,提高联锁系统数据存储便利性和车站进路搜索效率,设计一种采用邻接表结构的站场图模型,并在此基础上利用改进的深度优先搜索算法建立新的进路搜索模型。基于邻接表的站场图模型可以降低站场数据维护难度,配合改进的深度优先搜索算法可以提高进路搜索效率。

基于邻接比特压缩表的频繁闭项集挖掘算法

频繁闭项集(Frequent Closed Items,FCI)是一种表示事物之间关联关系的有效方式,它能克服频繁项集(Frequent Items,FI)信息冗余的缺点。FCI挖掘算法研究旨在以更优的时空效率,在原始数据集中找到所有的FCI。相关研究成果重在关注时间效率的提升,但空间效率欠佳。提出一种高空间压缩率数据结构——邻接比特压缩表(Compressed Adjacency Byte table,Cab-table),将项集与交易集压缩到剔除全部0之后的比特表中,使空间高度压缩。基于此数据结构的频繁闭项集挖掘算法(Cab-Miner),采用运算栈与检索栈来实现非递归方式的频繁闭项集挖掘,相较于之前普遍采用递归方式的算法,在理论上可使空间占用率由O(L*N+M)降为O(3N)。基于公开数据集与真实数据集的实验表明,上述算法在原始数据集压缩,以及运算内存消耗上,都有较优的表现,尤其在处理真实数据集时,空间表现极佳。另外在某些属性的数据集上也表现出优越的时间效率。

基于邻接表存储与哈希表的频繁项集挖掘算法

针对Apriori算法从数据中挖掘频繁项集的计算时间效率较低和空间内存占用较高的问题提出一种ATSAHT-Apriori(Adjacency Table Storage and Hash Table-Apriori)算法。该算法利用哈希表来存储数据,极大地提高了项集支持度频数的计算效率,结合图存储的思想利用邻接表来存储候选项集,极大地优化了内存空间占用,同时将候选项集构建大根堆,通过堆排序的思想与动态剪枝算法思想优化了频繁项集的计算速度和候选项集存储的内存空间,有效地优化了传统Apriori算法的计算时间效率和内存空间占用方面的不足。一系列对比实验表明,ATSAHT-Apriori算法在时间效率和空间效率都有一定的提高。

基于前缀邻接表的高可用性差分隐私轨迹发布方法

现有的差分隐私轨迹发布方法在存储轨迹序列特征时未充分考虑轨迹位置点前后的关联关系,查找序列特征较慢,轨迹重构的效率较低;另外,现有方法未充分捕获轨迹的时空特征,重构的轨迹数据可用性较差.为此,提出一种基于前缀邻接表的高可用性差分隐私轨迹发布方法.该方法在轨迹序列特征存储时采用了一种新的数据结构——前缀邻接表,该表记录了轨迹位置网格的轨迹前缀计数信息及下一位置网格的存储位置,有利于轨迹重构阶段的候选网格概率的计算,提高了轨迹重构效率.同时,该方法结合k阶马尔科夫链与目的地分布选取网格,在网格内采用了基于密度的位置点选择策略,进而重构出可用性更高的轨迹.实验结果表明,在同等隐私保护水平下,提出的方法在效率和数据可用性方面均优于现有的方法.

用邻接表保存中压配电网拓扑结构

根据中压配电网的结构特点引入数据结构中邻接表来保存配电网拓扑结构。介绍了邻接表的形成方法和结构特点。给出了用邻接表保存配电网拓扑结构的实现程序以及运行方式改变后进行拓扑结构再分析的方法。用邻接表保存中压配电网的拓扑结构,大大缩短了潮流的计算时间。

应用邻接多重表存储结构的配电网可靠性评估算法

结合复杂配电网的特点,提出基于邻接多重表的复杂配电网可靠性评估分块算法。首先给出适合于配电网数据存储的邻接多重表构造方法及存储结构,解决了网络搜索的空间、时间复杂度问题。基于此提出配电网前推回代潮流计算方法及配电网可靠性评估的分块形成算法。该算法可使配电网潮流计算与可靠性评估分块算法采用同种存储结构,简化了配电网可靠性计算程序的编制,并可节省计算时间。应用该算法对RBTS-BUS6及实际工程系统进行了可靠性评估,算例表明该算法可有效减少计算时间,具有较高的工程实用价值。

基于邻接表结构的进路搜索算法研究

介绍了计算机辅助设计(CAD)思想在计算机联锁系统自动测试软件中的应用,提供了一种对铁路车站信号平面布置图进行有效分解、图形单元对象快捷录入,用面向对象的方法构造车站拓扑数据的方案。详细地论述了基于邻接表图形数据结构的进路搜索算法,并给出了完整的描述。

细分曲面的有序邻接顶点表数据结构

细分曲面的实现过程中使用的网格数据结构都是基于边的结构,它们只是提供了一种通用的网格遍历方法;而对于细分曲面来说,基于顶点和多边形的网格表示却是更合理有效的选择。给出了一种适用于细分曲面的数据结构OAVL,它具有简便易于实现的特点,可以方便地获取网格中邻接顶点、边和面的信息,并且具有较高的空间效率,最后分析了基于OAVL的细分曲面的存储。

用邻接多重表实现节点优化编号

本文提出用无向图来描述电力系统网络结构 ,邻接多重表是无向图的一种比较好的存储结构 ,利用邻接多重表能比较方便的实现对无向图中节点的计算和边的操作 ,如统计节点的度 ,增加一条边 ,删除原有的边。而这些都是节点优化编号中的关键之处。实践证明 ,利用邻接多重表比较容易编程 ,节约内存 。

基于邻接链表的车站道岔数据存储方法与实现

计算机技术已广泛应用于铁路信息化管理,传统的信号联锁设备大多都被计算机联锁取代.为利用计算机实现列车进路的自动选择,需要把联锁设备信息存储到计算机中,数据存储结构决定了信息系统的时间效率和空间效率.本文通过对车站站场信息进行分析,把车站站场转换成计算机所能表示的无向图拓扑结构,构建了邻接链表数据结构,设计了邻接链表的创建算法,实现了道岔等车站线路上信号联锁设备的自动存储.车站联锁设备采用邻接链表存储结构,可以为"最短路径"算法提供高效、可靠的数据.

基于邻接表分解自相交折线的算法设计

寻求能快速、高效分解自相交折线的算法是计算机做二维图形所必须面对的问题。虽然邻接表和单链表的指针部分耗用了一定量的内存,但在删除、插入等操作上实现了快速、高效,因此非常适合解决这个问题。文中算法的时间复杂度和空间复杂度均达到预期目标,并在实际的应用中确实满足了快速、高效等性能要求。

基于邻接表结构的拓扑排序的全序列算法研究

拓扑排序是有向无环图的用来描述各活动间的先后关系的重要应用。利用拓扑排序算法能得到图中的各活动的线性序列,同时这个序列满足各活动在图中体现的先后关系,即拓扑序列。常用的求解拓扑排序方法是求得一个拓扑序列即可。为了增强算法的实用价值,给出求解有向无环图的所有拓扑序列的方法,并讨论算法的原理及代码实现,验证全拓扑排序算法的实用性和正确性。

基于邻接表的非结构网格快速生成算法

目的优化Delaunay方法,提高网格生成效率并通过拉普拉斯光顺化提高网格质量.方法用图这种数据结构来表示三角形网格并用邻接表存储以优化存储方式.结果该数据结构同传统结构数组算法相比时间大大缩短、提高了网格生成效率.从网格生成的算例看出,该算法不仅提高了网格生成的速度,而且生成的网格质量较好,便于局部加密.结论通过用图表示三角形网格并用邻接表优化储存,提高了网格生成效率.将生成的网格进行拉普拉斯光顺化,可使网格质量得到进一步的提高.

基于邻接表的图生成算法探讨

本文详细介绍了几类重要的图及其生成算法,包括随机图、K-邻接图、欧几米德邻接图。对于每一类图都用C语言描述其产生算法,并对算法的性能进行了简单的分析,同时对每一个算法用一组实际数据进行了演示,得到了具体的图。

无线移动自组网中的两跳邻接表维护机制

针对无线移动自组网中的节点终端掌握拓扑变化的问题,两跳的邻接表能更好地为稳定路径提供基础的支持,为了减少因拓扑改变带来的信标交换而导致报文流量增大,充分利用网络数据广播传输的特性,提出了一种两跳邻接表建立方案,并对其在不同的状态下做了详细的分析。

一种基于邻接信息表的动态源路由协议

针对动态源路由(DSR)协议在Ad Hoc网络拓扑结构频繁变化时表现欠佳的问题,在DSR协议的基础上引入邻接信息表概念,提出基于邻接信息表的动态源路由协议AIT-DSR。该协议可以加速路由发现,纠正路由绕远,规避高负载节点,快速修复失效路由,降低网络丢包率和平均端到端延时。仿真结果表明,在节点快速移动的场景下,AIT-DSR协议的丢包率和平均端到端延时低于DSR协议。

以邻接表为存储结构对拓扑排序的实现

本文首先给出了图的存储结构和AOV网的定义,然后对拓扑排序进行了介绍,最后给出了拓扑排序的算法和具体实现。

基于邻接表存储结构的潜藏通路搜索算法的研究

根据图的邻接表的性质,提出了基于邻接表存储结构的“潜藏通路”搜索算法。通过实例验证,此算法是一种有效的算法。

一种高效的基于分治邻接表的动态完整性审计方案

随着云存储服务的广泛应用,数据的完整性审计成为研究热点,取得了丰硕的研究成果.但是,现有的大部分数据完整性审计方案并不能很好地处理数据动态更新的问题.为了实现高效的动态完整性审计,本文设计一种新的分治邻接表(divide and conquer adjacency table,D\&CAT)数据结构,在基于代数签名的基本审计方案中引入异或同态函数保护审计过程中的数据隐私.分治邻接表结构在外包数据更新操作时,当删除或者插入数据块(i)时,只需要修改对应数据块的链表指针,就可以有效提高外包数据更新操作的效率.实验结果表明,本方案与其它方法相比,可以显著降低数据审计中数据更新的计算开销.

基于邻接多重表的动态频繁项集挖掘算法

为解决传统的Apriori算法多次扫描数据库和多次连接带来的时间开销及加入新事务时未能实时动态更新频繁项集的不足,对传统Apriori挖掘算法和基于矩阵频繁项集动态挖掘算法的执行效率和空间利用情况的问题进行深入分析,提出基于邻接多重表的动态频繁项集挖掘优化算法。将所有事务项映射到带有权值的邻接多重表结构上,通过遍历邻接多重表结构来挖掘频繁项集,在加入新事务时可以动态更新频繁项集。实验结果表明,该算法在执行性能上有一定提升,减少了内存开销,弥补了加入新事务时未能实时动态更新频繁项集的不足。