导读:本文包含了快速查询算法论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,双数,快速,汉语词典,文件,数据,复杂度。
快速查询算法论文文献综述写法
彭召军,王青山,熊伟,李柏地[1]（2017）在《基于改进四叉树的地理实体快速查询算法》一文中研究指出通过改进传统四叉树的数据组织和节点分配,将被索引的地理实体要素合理地分配到树中对应的节点中,减少了数据冗余,节点的分布也更为合理。以地理实体数据为例,综合比较了不同数据集在建立索引前后空间查询效率上的差异。结果表明,该算法具有较高的查询性能和实用价值。(本文来源于《地理空间信息》期刊2017年01期）
谭威,王防修,石文文,付威威[2]（2014）在《基于批量提交数据的快速查询算法研究与设计》一文中研究指出针对批量提交数据的存储特性,提出了一种对批量提交数据进行索引的快速查询算法。在测点采样周期已知的条件下,采用分组归并算法描述了测点的分类与测点编号、分组主表文件和索引表文件的建立,构建了相应的优化算法,并在此基础上设计了批量提交数据的快速查询算法。进一步对设计的算法进行了改进,使得改进后的算法具有更高的查询效率和存储效率。算例测试表明,本算法能有效解决批量提交数据的快速查询问题,并且改进后的算法在存储效率和查询效率方面比改进前有了明显提高。这一研究有助于为大数据量环境下的数据查询者提供科学的数据处理方法。(本文来源于《武汉轻工大学学报》期刊2014年03期）
郑顾平,郭岩[3]（2014）在《数据流相似性快速查询综合算法》一文中研究指出随着互联网技术的快速发展,如何处理数据流是各个行业共同面对的一个重要课题。数据流已经广泛应用在股市预测、气象分析、智能交通等各个方向。本文对数据流的特点进行了研究,在了解了数据流的特性之后,针对数据流持续性、速度、规模、无序的特性建立了一个数学模型,针对传统的数据处理方法提出了改进方案。本文的主要工作是将Haar小波、滑动窗口、贪心算法结合,实现数据流的快速处理。(本文来源于《网络安全技术与应用》期刊2014年07期）
刘彩虹,祁瑞华,刘强[4]（2013）在《一种正负关联规则的快速查询扩展算法》一文中研究指出将负关联规则引入到查询扩展研究中,提出了新的查询扩展模型,并设计了一种基于正负关联规则的快速查询扩展算法。该算法通过对文本事务数据库的布尔化表示及数据结构的合理分配,采用向量内积策略来产生频繁和非频繁特征词集,并从中挖掘出词间正负关联规则。实验结果表明,该算法能对原查询词进行快速有效的扩展,且仅需扫描1次文本数据库,并具有动态剪枝、不保留中间候选项和节省大量内存等优点,对信息检索中查询扩展的研究具有参考价值。(本文来源于《中国科技论文》期刊2013年01期）
曾雪[5]（2012）在《海量数据的快速查询算法研究》一文中研究指出随着博客、维基百科、共享空间、推特等新型应用的兴起,互联网已经进入了一个信息爆炸的时代,需要处理的数据也越来越多,对于数据的处理要求也越来越高。面对不断增长的数据,海量数据的快速查询算法成为了一个研究热点。本文以提高海量数据的查询效率为目标,对已有的海量数据的查询技术进行了研究,重点研究了Top-k查询算法。Top-k查询根据用户的要求对相应的属性计算分值,并用聚合函数聚集多个属性的分值作为整个元组的得分,返回得分最高的k个对象。Top-k查询在海量数据的环境中有很好的查询效率。论文首先介绍了索引、SQL语句优化、数据预取、近似匹配和分布式查询等已有的海量数据查询技术,并总结了各种技术的应用范围。接着对经典的Top-k查询算法进行了分析,基于对TA(Threshold Algorithm)算法和NRA(No Random Access)算法的研究以及近似匹配查询思想,提出了一种新的基于抽取的Top-k算法(Top-k Algorithm Based on Extraction,TABE),该算法首先抽取出最优的元组,再对这些元组运行查询算法。为了测试TABE算法的性能,设计了测试实验,实验中将之与经典的NRA算法进行了比较。测试结果表明TABE算法不仅时间复杂度低,而且有较高的精确度,能满足常规的查询要求。论文还顺应海量数据处理的并行化趋势,对TABE算法在Hadoop环境下进行了实现,并做了性能测试实验,实验结果表明,借助云计算可以进一步提高TABE算法的查询效率。论文对海量数据的快速查询做了有益的研究。(本文来源于《南京邮电大学》期刊2012-03-01）
金鑫[6]（2011）在《多因素时间序列Skyline的快速查询算法》一文中研究指出在给出多因素时间序列Skyline(MFTS)形式化定义的基础上,提出一种MFTS快速查询算法,获得并存储各时间点上的多因素值,计算每个最小时间区间的准MFTS,从而得到指定区间的MFTS。实验分析结果表明,在时间序列重合较少的情况下,该算法具有较好的查询效率。(本文来源于《计算机工程》期刊2011年09期）
孙殿柱,朱昌志,李延瑞,田中朝[7]（2009）在《散乱点云局部型面参考数据的快速查询算法》一文中研究指出提出了一种散乱点云局部型面参考数据的快速查询算法。该算法改进R*-tree建立散乱点云的空间索引结构,获取采样点所在叶结点,依据该结点MBR构造空心球,深度优先遍历R*-tree获取空心球内数据点,通过动态扩展空心球内外半径实现散乱点云局部型面参考数据的快速获取。实验表明,该算法可适用于各种复杂型面散乱点云,提高了查询的准确性与查询效率。(本文来源于《农业机械学报》期刊2009年05期）
刘柱恒,叶贤良[8]（2009）在《快速查询算法在GIS中的研究与应用》一文中研究指出快速查询算法是GIS领域的主要问题之一,通过经典的Dijkstra算法和切图技术算法两方面对GIS中快速查询和实现算法进行分析和研究,并通过实例加以实现。(本文来源于《光盘技术》期刊2009年02期）
李江波,周强,陈祖舜[9]（2006）在《汉语词典的快速查询算法研究》一文中研究指出汉语词典查询是中文信息处理系统的重要基础部分,对系统效率有重要的影响。本文对汉语词典查询算法研究作了简要回顾,设计实现了基于双数组TR IE机制的汉语词典查询算法,并提出了基于双编码机制的词典查询算法。最后以逐字二分法查询性能为基准,使用这两种词典询机制进行了词语直接查询和分词查询两种应用的性能测试。经过实验分析,双数组TR IE机制的词典查询算法在查询速度上提高明显,查询速度约是逐字二分法的5倍。双编码机制的的词典查询算法查询速度有一定提高,而且调整机制更加灵活。(本文来源于《中文信息学报》期刊2006年05期）
李江波,周强,陈祖舜[10]（2005）在《汉语词典的快速查询算法研究》一文中研究指出汉语词典查询是中文信息处理系统的重要基础部分,对系统效率有重要的影响。本文对汉语词典查询算法研究作了简要回顾,设计实现了基于双数组TRIE机制的汉语词典查询算法,并提出了基于双编码机制的词典查询算法。最后以逐字二分法查询性能为基准,对这两种词典询机制进行了性能测试。经过实验分析,双数组TRIE机制的词典查询算法在查询速度上提高明显,查询逮度约是逐字二分法的5倍。双编码机制的的词典查询算泫查询速度有一定提高,而且调整机制更加灵活.(本文来源于《第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集》期刊2005-10-01）
快速查询算法论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对批量提交数据的存储特性,提出了一种对批量提交数据进行索引的快速查询算法。在测点采样周期已知的条件下,采用分组归并算法描述了测点的分类与测点编号、分组主表文件和索引表文件的建立,构建了相应的优化算法,并在此基础上设计了批量提交数据的快速查询算法。进一步对设计的算法进行了改进,使得改进后的算法具有更高的查询效率和存储效率。算例测试表明,本算法能有效解决批量提交数据的快速查询问题,并且改进后的算法在存储效率和查询效率方面比改进前有了明显提高。这一研究有助于为大数据量环境下的数据查询者提供科学的数据处理方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
快速查询算法论文参考文献
[1].彭召军,王青山,熊伟,李柏地.基于改进四叉树的地理实体快速查询算法[J].地理空间信息.2017
[2].谭威,王防修,石文文,付威威.基于批量提交数据的快速查询算法研究与设计[J].武汉轻工大学学报.2014
[3].郑顾平,郭岩.数据流相似性快速查询综合算法[J].网络安全技术与应用.2014
[4].刘彩虹,祁瑞华,刘强.一种正负关联规则的快速查询扩展算法[J].中国科技论文.2013
[5].曾雪.海量数据的快速查询算法研究[D].南京邮电大学.2012
[6].金鑫.多因素时间序列Skyline的快速查询算法[J].计算机工程.2011
[7].孙殿柱,朱昌志,李延瑞,田中朝.散乱点云局部型面参考数据的快速查询算法[J].农业机械学报.2009
[8].刘柱恒,叶贤良.快速查询算法在GIS中的研究与应用[J].光盘技术.2009
[9].李江波,周强,陈祖舜.汉语词典的快速查询算法研究[J].中文信息学报.2006
[10].李江波,周强,陈祖舜.汉语词典的快速查询算法研究[C].第二届全国信息检索与内容安全学术会议（NCIRCS-2005）论文集.2005