基于访问频率的Hash树

吉林大学学报(工学版) ›› 2003, Vol. ›› Issue (1): 88-91.

基于访问频率的Hash树

臧雪柏¹, 陈思国¹, 王峥²

1. 吉林大学, 计算机科学与技术学院, 吉林长春 130025;
2. 吉林大学, 成人教育学院, 吉林长春 130025

收稿日期:2002-04-14
基金资助:
吉林省自然科学基金资助项目(19990528)

A Hash Tree Based on Frequency of Data Accessed

ZANG Xue-bai¹, CHEN Si-guo¹, WANG Zheng ²

1. College of Computer Science and Technology, Jilin University, Changchun 130025, China;
2. College of Audult Education, Jilin University, Changchun 130025, China

Received:2002-04-14

摘要/Abstract

摘要： Hash树是一种常用的数据结构。当Hash树不能完全装入内存时,会增加缺页中断次数,导致算法效率下降,为此本文研究并提出了根据项集的联合概率生成Hash树的方法。按访问频率将Hash树结点数据顺序地排放在线性空间中。这种数据存储方式既能适应操作系统中的程序局部性特征,又能达到减少I/O次数、提高数据存取效率的目的。

关键词: Hash树, 数据存取频率, 缺页中断

Abstract: Hash tree is a data structure that is used frequently.But if the nodes of the tree are not fully loaded into the main memory,the hash based algorithm becomes not effective due to the increasing of interrupts of paging faults.In this paper,a method for hash tree generation based on the joint probability of item set is presented.The data is arranged sequentially in linear space according to the access frequency.Such data storaging mode can either adapt the program local character feature of operating system or acheiving the objective for reducing the I/O operations and enhancing the data access efficiency.The result of experiments showed that the optimized hash tree performed better.

Key words: Hash tree, data accessed frequency, page faults

中图分类号:

TP391

臧雪柏, 陈思国, 王峥. 基于访问频率的Hash树[J]. 吉林大学学报(工学版), 2003, (1): 88-91.

ZANG Xue-bai, CHEN Si-guo, WANG Zheng . A Hash Tree Based on Frequency of Data Accessed[J]. 吉林大学学报(工学版), 2003, (1): 88-91.

参考文献

[1] Agrawal R,Srikant R.Fast algorithms for mining association rules［Z］.In Proc.of the 20th VLDB Conference Santiago,Chile,1994.
[2] Park J S,Chen M S,Yu P S.An effective hash-based algorithm for mining association rules［Z］.In Proc.1995 ACM-SIGMOD Int.Conf.Management of Data.San Jose,CA,1995.
[3] Han J,Pei J,Yin Y.Mining frequent patterns without candidate generation［Z］.In Proc.2000 Acm-Sigmod Int.Conf.Management of Data.Dallas,TX,2000.
[4] 李雄飞,苑森淼,董立岩,等.多段支持度数据挖掘算法研究［J］.计算机学报,2001(6):661～665.
[5] 李雄飞,刘光远,郭励焕.二次挖掘相关联规则算法［J］.吉林大学学报(工学版),2002,32(2):73～77.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[3]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[5]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[6]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[7]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[11]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[13]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
[14]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[15]	杨东升, 张展, 廉梦佳, 王丽娜. 位图局部敏感哈希的匹配二进制特征搜索算法[J]. 吉林大学学报(工学版), 2018, 48(3): 893-902.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed