- 博客(8)
- 资源 (3)
- 收藏
- 关注
原创 power law,small world,bow-tie理论
<br />冪次法則(power-law) <br /><br />该规律在100多年前就被发现。出现在诸如都市人口,网站规模,英文字母出现频率等等现象之中(http://www.isoc.org/inet2000/cdproceedings/2a/2a_2.htm) <br />其中最有名的是Zipf's Law 其冪次为1。 <br /><br />具体以个体规模(x)和其名次(R(x))为例来解释。它们之间存在着指数次方的反比例关系: <br />R(x)=ax-b .-b是指数,x为底数。两边取对数
2010-12-13 18:37:00 1216 1
原创 乱码之我解
<br /><br />jsp+jdbc+mysql<br />表单两种提交方式:post 和 get(默认)<br />从.jsp->.java->.class,先存为某种编码的.jsp文件,然后tomcat根据pageEncoding读取并转化为servlet存为系统默认编码<br />一:post方式:<br /> 1、jsp页面<br /> 在page头中 pageEncoding属性:GBK 存储编码 MyEclipse会以此来存储文件,tomcat也会以此来读.jsp并翻译成.Ja
2010-11-13 10:50:00 466
转载 索引(转载)
<br />(一)深入浅出理解索引结构<br />实际上,您可以把索引理解为一种特殊的目录。微软的SQL SERVER提供了两种索引:聚集索引(clustered index,也称聚类索引、簇集索引)和非聚集索引(nonclustered index,也称非聚类索引、非簇集索引)。下面,我们举例来说明一下聚集索引和非聚集索引的区别:<br />其实,我们的汉语字典的正文本身就是一个聚集索引。比如,我们要查“安”字,就会很自然地翻开字典的前几页,因为“安”的拼音是“an”,而按照拼音排序汉字的字典是以英文字母
2010-10-25 08:40:00 540
转载 R*树(四)
1990年Beckmann对R树进行改进,提出了R*树R*树和R树在结构上完全相同,在树的构造、插入、删除、检索方面也基本相同,区别在与如下三点:(1)插入路径的选择:为了选择一个合适的插入路径,R树只考虑了目录矩形的面积这一因素,R*树除了考虑面积以外。还考虑了目录矩形的重叠。(在非叶子结点层子树的选择是沿用Guttman的面积增量作为标准,而在叶子结点层子树采用相互重叠部分增量作为标准)(2)结点分裂:采用与Green相似的近似分裂算法,除了采用面积指标以外,同时引入周长和重叠面积部分作为判定指标。(3
2010-10-23 22:12:00 1300
原创 R*树(三)
<br /> 在一、二中,我写了R树的一些性质和算法。在此之后呢,在1990年的时候,beckmann对R树进行了改进,提出了R*树。他们在sigmod发表了一篇名叫“The R*-tree:An Efficient and Robust method for points and Rectangles”.R*树和R树在结构上完全相同。由前面的介绍可知,R树的算法描述中,仅仅考虑了面积扩展最小这一点,而beckmann提出的R*树在面积的基础上还引入了overlap-value以及margin-va
2010-10-23 21:31:00 2203
原创 R*树(二)
<br /> 在(一)中,介绍了R树的一些结构及其性质,这里我们来学习一下它的算法。<br /> R-tree search 算法描述:<br /> 基本思想:从根节点开始比较其中的每一个entry,找出所有有重叠部分的entry,然后再到这些entry所指向的叶子节点去做同样的事 情,直到找到叶子节点那一层中所有符合条件的entry。<br /> 判定标准是:搜索区域S与节点有重叠。<br /> 注意:一个节点中与之相重叠的entry可能不止一个,所以搜索
2010-10-23 15:47:00 1707
原创 R*树(一)
最近在看R*树,头疼的一笔。小小总结一下,希望对研究这方面的人有帮助(有些东西是参考了网上其他人的文章)。 说道R*树不得不提到R树,因为它是R树的变种(variant)。R树是1984年由Guttman等人提出来的,他们在sigmod上发表了一篇名叫“R-trees a dynamic index structure for special searching”。R树是一种高度平衡树。它由叶子节点和非叶子节点组成,实际数据对象的最小外界矩形存储在叶节点中,中间节点通过聚集其底层节点的外界矩
2010-10-23 13:47:00 3364
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人