多维与度量数据结构基础 _生活百科

文章插图
多维与度量数据结构基础【多维与度量数据结构基础】《多维与度量数据结构基础》出版社：清华大学出版社作者周立柱
基本介绍书名：多维与度量数据结构基础
作者：周立柱
ISBN：9787302227847
定价：129元
图书信息印次：1-1装帧：平装出版社：清华大学出版社印刷日期：2011-4-21内容简介数据结构是计算机学科知识体系中重要的基础部分，是计算机专业本科与研究生教育必设的课程。近年来，计算机领域研究的持续深入和新研究方向的不断出现，给数据结构带来了崭新的内容。这些内容极大地丰富和发展了数据结构的内涵。美国马里兰大学Hanan Samet教授撰写的Foundations of Multidimensional and Metric Data Structures 一书则是对这些进展的一次可贵的总结和提升。该书系统地收集和整理了近年来地理资料库、多媒体技术、图像处理、数据挖掘与分析等领域里着名的数据结构和算法，无论是站在基础知识学习的角度，还是站在科学研究的角度看，它都是一本弥足珍贵的参考书。也正是出于对本书价值的以上认识，作者把它翻译成中文，即大家所看到的这本《多维与度量数据结构基础》。在数据结构领域，Hanan Samet教授是公认的集大成者和国际着名学者。他对前面提到的诸多研究领域的丰富成果进行汇集，把它们归纳为多维空间数据的表示、组织、索引及查找等重要研究方向，其涉及的问题源自于各种实际套用，并从理论的角度得以抽象和统一。他在书中对相关算法和数据结构性能优劣的分析，为纷繁複杂的实际套用问题的成功解决提供了十分有益的启迪。因此，本书不仅能为我们了解相关领域最新进展提供重要的参考，也必将为有志于相关研究的读者提供方向性的指导。此外，得益于其翔实而精闢的讲解、数量众多而形象生动的插图、要点突出且启发性与挑战性兼具的习题、全面而系统的参考索引，本书也是难得的绝佳教材。图书目录第1章多维点数据 11.1 引言 41.2 区域树 131.3 优先搜寻树 171.4 四叉树 251.4.1 点四叉树 251.4.2 基于前缀树的四叉树 351.4.3 点四叉树与基于前缀树的四叉树之间的比较 441.5 k-d树 451.5.1 点k-d树 461.5.2 基于前缀树的k-d 树 651.5.3 结合树 821.6 一维排序 841.7 桶方法 891.7.1 树目录方法 901.7.2 格线目录方法 1211.7.3 存储利用率 1531.8 PK-树 1541.8.1 动机 1541.8.2 概述 1571.8.3 定义 1581.8.4 和桶式方法的比较 1601.8.5 操作 1601.8.6 讨论 1691.9 结论 172第2章基于物体与基于图像的图像表示 1782.1 基于内部的表示 1802.1.1 单位大小的单元 1802.1.2 块 1922.1.3 非正交块 2202.1.4 任意形状的物体 2412.1.5 分层的基于内部的表示 2522.2 基于边界的表示 2962.2.1 边界模型 2992.2.2 基于图像的边界表示 3382.2.3 基于物体的边界表示 3642.2.4 基于表面的边界表示 3812.3 基于差别的压缩方法 3892.3.1 行程编码 3902.3.2 链码 3962.3.3 顶点表示 3972.4 历史回顾 403第3章区间及小矩形 4073.1 平面扫描法与矩形求交问题 4083.1.1 线段树 4103.1.2 区间树 4143.1.3 优先搜寻树 4183.1.4 其他方法及相关问题 4223.2 平面扫描法与测度问题 4253.3 基于点的方法 4303.3.1 代表点 4303.3.2 代表点集合 4363.3.3 小结 4423.4 基于区域的方法 4433.4.1 MX-CIF四叉树 4443.4.2 MX-CIF四叉树的替代方案 4513.4.3 多四叉树块表示法 457第4章多维数据 4614.1 最佳优先的最近邻查找 4664.1.1 动机 4664.1.2 搜寻层次 4674.1.3 算法 4694.1.4 重複对象实例算法 4744.1.5 算法扩展（k-最近、k-最远、轮廓） 4774.1.6 空间网路中的最近邻 4824.1.7 相关工作 4904.2 深度优先的k-最近邻查找 4914.2.1 基本算法 4924.2.2 剪枝规则 4954.2.3 聚类法对剪枝的影响 5034.2.4 活跃表元素的处理次序 5084.2.5 改进的算法 5124.2.6 在最佳优先算法中整合MAXNEARESTDIST 5214.2.7 实例 5264.2.8 比较 5274.3 近似的最近邻查找 5294.4 多维索引法 5374.4.1 X-树 5384.4.2 包围球法：Sphere树、SS树、Ball树、SR树 5384.4.3 提高扇出：TV-树、混合树和A树 5424.4.4 基于Voronoi图的方法：os-树 5444.4.5 近似Voronoi图（AVD） 5504.4.6 避免所有叶块的交叠 5564.4.7 金字塔技术 5584.4.8 基于顺序扫描的方法 5634.5 基于距离的索引法 5684.5.1 距离度量与搜寻剪枝 570 4.5.2 球划分法 5754.5.3 广义超平面划分法 5844.5.4 M-树 5954.5.5 Sa-树 6004.5.6 kNN图（K近邻图） 6094.5.7 距离矩阵法 6154.5.8 SASH：无需藉助三角不等式的索引 6224.6 降维法 6334.6.1 降维空间中的搜寻 6344.6.2 仅用一维 6384.6.3 代表点法 6404.6.4 变换为不同、更小的特徵集 6414.6.5 小结 6534.7 嵌入法 6534.7.1 概述 6554.7.2 Lipschitz嵌入 6584.7.3 FastMap 6644.7.4 位置敏感散列法 678附录A B-树概览 683附录B 线性散列 693附录C 螺旋散列 699附录D 伪代码语言描述 706习题解答 709参考文献 816关键字索引 884