Поиск значения / толкования слов

Раздел очень прост в использовании. В предложенное поле достаточно ввести нужное слово, и мы вам выдадим список его значений. Хочется отметить, что наш сайт предоставляет данные из разных источников – энциклопедического, толкового, словообразовательного словарей. Также здесь можно познакомиться с примерами употребления введенного вами слова.

Википедия

R-дерево (структура данных)

R-дерево — древовидная структура данных ( дерево ), предложенная в 1984 году Антонином Гуттманом . Она подобна B-дереву , но используется для организации доступа к пространственным данным, то есть для индексации многомерной информации , такой, например, как географические данные с двумерными координатами ( широтой и долготой ). Типичным запросом с использованием R-деревьев мог бы быть такой: «Найти все музеи в пределах 2 километров от моего текущего местоположения».

Эта структура данных разбивает пространство на множество иерархически вложенных и, возможно, пересекающихся, прямоугольников . В случае трехмерного или многомерного пространства это будут прямоугольные параллелепипеды ( кубоиды ) или параллелотопы .

Алгоритмы вставки и удаления используют эти ограничивающие прямоугольники для обеспечения того, чтобы «близкорасположенные» объекты были помещены в одну листовую вершину. В частности, новый объект попадёт в ту листовую вершину, для которой потребуется наименьшее расширение её ограничивающего прямоугольника. Каждый элемент листовой вершины хранит два поля данных: способ идентификации данных, описывающих объект, и ограничивающий прямоугольник этого объекта.

Аналогично, алгоритмы поиска используют ограничивающие прямоугольники для принятия решения о необходимости поиска в дочерней вершине. Таким образом, большинство вершин никогда не затрагиваются в ходе поиска. Как и в случае с B-деревьями, это свойство R-деревьев обуславливает их применимость для баз данных , где вершины могут выгружаться на диск по мере необходимости.

Для расщепления переполненных вершин могут применяться различные алгоритмы, что порождает деление R-деревьев на подтипы: квадратичные и линейные.

Изначально R-деревья не гарантировали хороших характеристик для наихудшего случая , хотя хорошо работали на реальных данных. Однако в 2004-м году был опубликован новый алгоритм , определяющий приоритетные R-деревья. Утверждается, что этот алгоритм эффективен , как и наиболее эффективные современные методы, и в то же время является оптимальным для наихудшего случая.

R-дерево
  • R-дерево
  • $\mathbb R$-дерево — то же что и метрическое дерево