哈希表
哈希表的相关文献在1995年到2023年内共计446篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文237篇、会议论文12篇、专利文献71987篇;相关期刊144种,包括电脑编程技巧与维护、计算机工程、计算机工程与设计等;
相关会议12种,包括第四届全国工程风险与保险研究学术研讨会、第32届中国数据库学术会议、2014第十四届计算机应用技术交流会等;哈希表的相关文献由1046位作者贡献,包括刘振肖、冯丹、王汝传等。
哈希表—发文量
专利文献>
论文:71987篇
占比:99.66%
总计:72236篇
哈希表
-研究学者
- 刘振肖
- 冯丹
- 王汝传
- 汪军
- 胡学川
- 刘祥龙
- 华宇
- 孙远航
- 张炜
- 曲锐
- 李漓春
- 王刚
- 韩志杰
- 于芳
- 于贺威
- 刘刚
- 刘振伟
- 包闯
- 孙圣
- 左鹏飞
- 张慧
- 张斌
- 张璐
- 张磊
- 曹首峰
- 李城龙
- 李志强
- 李镇
- 杜慧敏
- 杨康平
- 熊刚
- 王亚刚
- 王伟
- 王大伟
- 王晓泾
- 王秀文
- 谢鲲
- 贺龙涛
- 赵博
- 郝振武
- 郭旭峰
- 闫振林
- 陈伟
- 陈志峰
- 陈曦
- 陈西
- 马根峰
- A·谢蒂
- F.萨拉
- J·J·梅尔波特
-
-
李鹏宇;
刘胜利;
尹小康;
刘昊晖
-
-
摘要:
Cisco IOS(Internetwork Operating System)作为Cisco路由器的专用操作系统,其由于硬件条件限制,在设计时更加注重性能而忽视了系统安全,导致无法有效检测面向返回地址编程(Return-Oriented Programming,ROP)的攻击。针对传统的ROP防护技术在解决Cisco IOS防护上存在的缺陷,提出了一种基于返回地址内存哈希验证的方法,能够对面向Cisco IOS的ROP攻击进行有效检测,并对ROP攻击代码进行捕获。通过分析现有针对ROP攻击的防护机制的优缺点,在紧凑型影子内存防护思想的基础上,将传统的影子内存存储模式改造为基于哈希的内存查找模式,增加了返回地址内存指针的记录作为哈希查找的索引,提高了影子内存查找效率,同时能够抵御由于内存泄露导致的影子内存篡改。在Dynamips虚拟化平台的基础上设计实现了CROPDS系统,对所提方法进行了有效验证。与现有方法对比,所提方法在通用性和性能上均有提升,并能够捕获到攻击执行的shellcode。
-
-
张绍雪;
王丽珍;
陈文和
-
-
摘要:
空间并置(co-location)模式挖掘是指在大量的空间数据中发现一组空间特征的子集,这些特征的实例在地理空间中频繁并置出现.传统的空间并置模式挖掘算法通常采用逐阶递增的挖掘框架,从低阶模式开始生成候选模式并计算其参与度(空间并置模式的频繁性度量指标).虽然这种挖掘框架可以得到正确和完整的结果,但是带来的时间和空间开销非常大.此外传统方法对于空间并置模式的最小频繁性阈值较为敏感,当最小频繁性阈值改变时整个挖掘过程需要重新进行.因此,本文提出一种基于极大团和哈希表的空间并置模式挖掘算法CPM-MCHM(Co-location Pattern Mining based on Maximal Clique and Hash Map)来发现完整并且正确的频繁空间并置模式.CPM-MCHM算法不仅避免逐阶候选-测试框架带来的巨大开销问题,还降低了算法对最小频繁性阈值的敏感.首先,采用基于位运算的分区Bron–Kerbosch算法生成给定空间数据集的所有极大团,并将其存储在哈希表中.然后,提出一种两阶段挖掘框架计算所有模式的参与度并过滤所有频繁空间并置模式.最后,在真实和合成数据集上进行了大量的对比实验.与经典的传统算法和近两年内学者提出的两种算法相比,当实验数据的规模达到20万实例数时,本文提出的CPM-MCHM算法的挖掘时间和空间耗费分别降低了90%和70%以上,当实验数据量进一步加大时CPM-MCHM算法的优势更加明显.
-
-
李红映;
张晓曼;
张天荣
-
-
摘要:
针对当前网络防火墙状态检测模型的网络安全置信度低,导致防火墙状态检测时间较长,服务器易受到攻击,检测准确率及防火墙安全性较低的问题,提出了基于信任机制的网络防火墙状态检测模型。分析防火墙安全性能,根据信任机制建立置信度,通过自适应阈值算法,判断网络是否存在攻击现象,并对数据包实施预处理,设置包过滤防火墙规则集,运用哈希表直接查询数据包,构建网络拓扑结构,建立防火墙状态检测模型,完成基于信任机制的网络防火墙状态检测模型。仿真结果表明,所提方法的检测准确率较高,能够缩短防火墙状态检测时间,服务器可以有效避免攻击,提高防火墙自身的安全性。
-
-
方博;
岳晓峰;
袁晓磊;
马国元
-
-
摘要:
针对基于原始点对特征的三维目标识别算法中存在的内存浪费及过多冗余点导致的配准效率不高问题,提出一种改进的自适应分辨率点云配准算法。通过使用自适应体素网格滤波器对原始点云进行下采样,有效地减少了目标模型哈希表中存在的大量冗余点对,节省了计算机的内存开销并提高了点云配准算法的配准速度。使用迭代最近点方法进一步对聚类结果进行优化处理。实验结果表明:所用算法与传统ICP算法相比,在配准误差相同的情况下配准效率提升显著。
-
-
陆军;
韦攀毅;
王伟
-
-
摘要:
针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法.通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点.使用哈希表存储,加快了特征匹配的时间.利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别.对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.
-
-
周炳晟;
苗笛;
杨俊杰;
王优祎康
-
-
摘要:
概述了命名数据网络(NDN)名称查找所面临的挑战以及实施难点。针对现有的22种名称查找方法,以查找吞吐率、内存开销占比和名称路由表3个因素作为衡量指标,分别采用基于前缀树、哈希表、布隆过滤器3种查找方案进行比对分析。结果表明:使用2种及以上的混合查找方案能够有效提高名称查找效率,为未来NDN的设计提供了新的思路。
-
-
吴昊;
刘钊;
顾进广
-
-
摘要:
Apriori算法在数据挖掘过程中需要多次扫描数据库,会造成I/O上有较大时间开销和负载,影响算法的运行速度,同时在计算频繁项集的过程中,需要进行大量迭代搜索与计算,算法的时间复杂度和空间复杂度较高。基于此,提出一种基于哈希表与十字链表存储的优化算法HTACL-Apriori。通过理论分析和数据进行实验对比,验证了优化后的HTACL-Apriori算法相对于传统的Apriori算法在时间效率和空间效率方面有明显的提高,达到了预期效果。
-
-
王晓东;
赵一宁;
肖海力;
王小宁;
迟学斌
-
-
摘要:
日志分析对于计算机系统的稳定运行起着至关重要的作用,然而日志通常是非结构化的,不利于自动化分析,如何自动化将日志的模式提炼出来并变成结构化的数据具有重要的实际意义。提出了LDmatch算法,该算法以单词匹配率为基础实现了一种日志模式提炼算法。传统的日志匹配算法在进行相似度计算时使用一对一单词匹配法,而LDmatch算法根据两条日志所包含的单词之间的最长公共子序列计算日志之间的相似度,并以此为基础进行日志分类。LDmatch算法还能实时得到日志模板并更新。除此之外,该算法的模式仓库使用了基于哈希表的数据结构进行存储,该存储结构细化了日志的分类,减少了日志匹配时的比较次数,从而提高了日志模式提炼算法的匹配效率。为了验证算法的优势,将LDmatch算法应用于开源数据集以及国家高性能计算环境实际产生的日志数据集,并且使用多种其他日志模式提炼算法进行对比并得出实验结果,最终证明了该算法在准确度、鲁棒性和效率上具有优势。
-
-
熊轶翔;
蒋筱斌;
张珩;
武延军
-
-
摘要:
哈希表以访问效率时间复杂度O(1)著称,作为一类可提供大规模数据高效访问的算法和数据结构为各类大数据应用所采用,例如,适用于各类新兴高性能(HPC)领域、数据库领域的工作负载和场景.随着高性能协处理器GPU硬件性能的日益提升,面向高性能GPU环境的哈希表并行优化已逐渐吸引了大量研究工作.当前的各类GPU哈希表优化方法和解决方案集中于利用GPU的大规模线程环境和高内存带宽来提升哈希表的事务高并发性处理和键值对数据快速访问.然而,由于现有GPU哈希表结构的研究工作普遍忽略了GPU资源有效管理,并没有以如何充分利用GPU线程资源和显存资源.同时,由于GPU显存空间的大小限制,用于存储哈希表结构数据的空间有限,无法应对更大规模的哈希表结构.因此,面向GPU环境下的哈希表方法的可扩展性和性能仍存在着技术挑战.本文提出并设计了一种面向GPU环境的可处理大规模并发事务的哈希表技术,命名为Starfish. Starfish提出了新的基于异步GPU流的“交换层”(swap layer)技术,用以支持GPU显存外的动态哈希表,同时也保障了GPU哈希表的索引方法性能.为了解决GPU大规模线程的访问带来的哈希冲突开销, Starfish设计了一类紧凑型数据结构,并研究了一种可分页显存的分配方法,不仅为GPU哈希表技术提供了静态哈希方法的高性能,而且也支持动态哈希的高可扩展性.性能评估实验表明, Starfish显著优于其他GPU哈希表技术,包括cudpp-Hash, SlabHash.
-
-
黄韫青;
王磊磊;
许明泽;
侯沛正;
严海峰
-
-
摘要:
模型数据的读取和存储是所有3D打印的基础,冗余数据的产生容易导致打印效率的下降。针对STL文件存在的顶点数据多次纪录的问题,提出一种基于哈希表的冗余数据优化方法。该方法将多余数据剔除,缩短了数据处理时间,提高了打印效率。通过实验论证,模型数据实现了16.7%的顶点去冗。
-
-
怀自国
- 《2014第十四届计算机应用技术交流会》
| 2014年
-
摘要:
最大频繁项目集的挖掘和更新是数据挖掘研究的一个重要方面.针对数据库中各个项目的重要性不尽相同且分布不均的情况,本文提出了有效挖掘加权频繁项集的WHIUA(Weighted Hash Incremental Updating Algo rithm)算法,该算法基于哈希表的数据存储结构,处理数据库和最小支持度两者同时发生变化的问题.分析和实验表明,该算法可有效提高最大频繁项目集的挖掘和更新效率.
-
-
-
-
- 《第二十五届中国数据库学术会议(NDBC2008)》
| 2008年
-
摘要:
随着XML的广泛应用,XML上的关键字检索逐渐成为一个研究热点.现有的关键字检索方法主要基于LCA计算和候选点选择两种操作,存在以下问题:首先,现有方法利用Dewey编码来表示结点,LCA的计算过程需要逐段地比较Dewey编码,当XML深度很大时,大量的LCA计算会影响算法的性能.其次,为了确定候选点(即用于进行LCA计算的结点),需要对结点集进行遍历,当结点集很大时,查找过程比较耗时.针对以上问题,首先提出一种基于哈希表的索引结构来记录结点和标签之间的关系。基于这种索引结构,进一步设计了高效的关键字检索算法——Hash-Search算法,避免了LCA计算和确定候选点过程.在理论上提供了算法的正确性证明和复杂度分析,并进行了实验测试,表明Hash-Search算法是一种高效的XML关键字检索算法。
-
-
-
徐远纯;
张海锋
- 《2011年管理创新、信息技术与经济增长国际学术会议》
| 2011年
-
摘要:
研究了两种常见分词词典机制,提出一种改进的词典机制。在传统的首字哈希表中增加拼音首字母,在首字哈希表中查询次字的拼音首字母,缩小了次字查询范围,同时也较大幅度地提高了次字的整体查询效率。通过实验测试,改进后的机制空间开销增加了不到5%,时间效率却提高了20%以上。
-
-
杜伟;
陈群秀
- 《第七届中文信息处理国际会议》
| 2007年
-
摘要:
基于翻译记忆这一机器翻译技术,本文对比了Trie树、哈希表、后缀数组这三种比较常见的索引方式,并提出了一种基于哈希表和后缀数组的双重策略的翻译算法,并应用于汉日机器翻译系统中,同时提出了一种利用此技术进行机器辅助翻译的方法。初步实验结果表明,该方法拥有较高的效率和较低的内存资源占用。
-
-
Liu Jingyu;
刘婧珏;
Yi Cai;
易彩
- 《第27届全国计算机新科技与教育学术会议》
| 2017年
-
摘要:
传统的复杂事件处理都是基于时间戳上的有序性,而在实际场景中事件流往往不是有序的.对于事件流乱序问题的解决通常是在它们进入模式匹配之前就将其有序化,但是通常这种算法的效率不高且并没有对乱序时的非事件进行处理.本文采用HASH链表对中间结果进行缓存并通过0CEPM算法来调整乱序事件流以输出最终的复杂事件,然后阐述了如何判断乱序事件流下非事件是未发生还是未到达,最后通过智能交通下左转闯红灯这一案例场景证明了OCEPM算法的有效性.
-
-
Liu Jingyu;
刘婧珏;
Yi Cai;
易彩
- 《第27届全国计算机新科技与教育学术会议》
| 2017年
-
摘要:
传统的复杂事件处理都是基于时间戳上的有序性,而在实际场景中事件流往往不是有序的.对于事件流乱序问题的解决通常是在它们进入模式匹配之前就将其有序化,但是通常这种算法的效率不高且并没有对乱序时的非事件进行处理.本文采用HASH链表对中间结果进行缓存并通过0CEPM算法来调整乱序事件流以输出最终的复杂事件,然后阐述了如何判断乱序事件流下非事件是未发生还是未到达,最后通过智能交通下左转闯红灯这一案例场景证明了OCEPM算法的有效性.
-
-
Liu Jingyu;
刘婧珏;
Yi Cai;
易彩
- 《第27届全国计算机新科技与教育学术会议》
| 2017年
-
摘要:
传统的复杂事件处理都是基于时间戳上的有序性,而在实际场景中事件流往往不是有序的.对于事件流乱序问题的解决通常是在它们进入模式匹配之前就将其有序化,但是通常这种算法的效率不高且并没有对乱序时的非事件进行处理.本文采用HASH链表对中间结果进行缓存并通过0CEPM算法来调整乱序事件流以输出最终的复杂事件,然后阐述了如何判断乱序事件流下非事件是未发生还是未到达,最后通过智能交通下左转闯红灯这一案例场景证明了OCEPM算法的有效性.