首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

全文自索引压缩算法的研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1 引言第12-18页
    1.1 课题研究的背景和意义第12-13页
    1.2 课题相关的研究现状第13-15页
        1.2.1 CSA算法第13-14页
        1.2.2 FM-Index算法第14-15页
    1.3 课题研究的内容和目标第15-16页
    1.4 论文的组织结构第16-18页
2 全文自索引压缩算法及其相关技术第18-30页
    2.1 后缀数组第18-20页
        2.1.1 基本定义第18-19页
        2.1.2 后缀数组的模式匹配第19-20页
    2.2 rank/select/access操作第20页
    2.3 BWT数据转换算法第20-22页
    2.4 小波树第22-23页
    2.5 整数编码压缩算法第23-29页
        2.5.1 一元编码压缩算法第23-24页
        2.5.2 Run-length编码压缩算法第24-25页
        2.5.3 BitMap编码压缩算法第25页
        2.5.4 Elias Gamma编码压缩算法第25-26页
        2.5.5 Elias-Fano编码压缩算法第26-27页
        2.5.6 Partitioned-Elias-Fano编码压缩算法第27-29页
    2.6 本章小结第29-30页
3 PEF-CSA自索引压缩算法第30-46页
    3.1 PEF-CSA自索引压缩算法设计第30-31页
    3.2 PEF-CSA自索引压缩算法存储结构第31-35页
        3.2.1 近邻数组φ第31-32页
        3.2.2 字符频率统计表C第32-33页
        3.2.3 采样后缀数组SA_s与采样名次数组R_s第33-35页
    3.3 PEF-CSA自索引压缩算法实现第35-40页
        3.3.1 近邻数组φ的计算第35-36页
        3.3.2 采样后缀数组SA_s与采样名次数组R_s的计算第36-37页
        3.3.3 Partitioned-Elias-Fano算法压缩近邻数组φ第37-40页
    3.4 PEF-CSA自索引压缩算法后向搜索第40-42页
    3.5 PEF-CSA自索引压缩算法索引实现第42-45页
        3.5.1 PEF-CSA模式串的计数第42-43页
        3.5.2 PEF-CSA模式串的定位第43-44页
        3.5.3 PEF-CSA模式串的提取第44-45页
    3.6 本章小结第45-46页
4 Adaptive-FM-Index自索引压缩算法第46-66页
    4.1 Adaptive-FM-Index自索引压缩算法设计第46-47页
    4.2 Adaptive-FM-Index自索引性质的研究第47-49页
    4.3 小波树与huffman小波树第49-53页
    4.4 Adaptive-FM-Index自索引压缩算法实现第53-60页
        4.4.1 采样数组SA_s与采样名次数组R_s的计算第53-55页
        4.4.2 HWT(T~(bwt))的压缩第55-60页
    4.5 Adaptive-FM-Index自索引压缩算法后向搜索第60-61页
    4.6 Adaptive-FM-Index自索引压缩算法索引实现第61-64页
        4.6.1 Adaptive-FM-Index模式串的计数第61-62页
        4.6.2 Adaptive-FM-Index模式串的定位第62-63页
        4.6.3 Adaptive-FM-Index模式串的提取第63-64页
    4.7 本章小结第64-66页
5 实验与分析第66-80页
    5.1 评价标准第66页
    5.2 实验条件第66-67页
        5.2.1 实验数据集第67页
        5.2.2 实验环境和工具第67页
    5.3 PEF-CSA自索引压缩算法实验第67-72页
        5.3.1 对比实验第67-68页
        5.3.2 实验结果第68-69页
        5.3.3 实验结果分析第69-72页
    5.4 Adaptive-FM-Index自索引压缩算法实验第72-77页
        5.4.1 对比实验第72页
        5.4.2 实验结果第72-74页
        5.4.3 实验结果分析第74-77页
    5.5 PEF-CSA与Adaptive-FM-Index实验结果分析第77-78页
    5.6 本章小结第78-80页
6 总结与展望第80-82页
    6.1 研究工作总结第80-81页
    6.2 进一步工作展望第81-82页
参考文献第82-86页
作者简历及攻读硕士学位期间取得的研究成果第86-90页
学位论文数据集第90页

论文共90页,点击 下载论文
上一篇:基于深度学习的课程推荐与学习预测模型研究
下一篇:基于高层图像语义的物体共分割