コンパクトデータ構造 実践的アプローチ
内容紹介
目次
第1章 はじめに
1.1 なぜコンパクトデータ構造か?
1.2 なぜ本書か?
1.3 本書の構成
1.4 ソフトウェア資源
1.5 用いる数学と記法
1.6 文献ノート
参考文献
第2章 エントロピーと符号化
2.1 最悪時エントロピー
2.2 シャノンエントロピー
2.3 経験エントロピー
2.4 高次エントロピー
2.5 符号化
2.6 ハフマン符号
2.7 整数に対する可変長符号
2.8 イェンセンの不等式
2.9 応用
2.10 要約
2.11 文献ノート
参考文献
第3章 配列
3.1 固定サイズの要素
3.2 可変サイズの要素
3.3 部分和
3.4 応用
3.5 要約
3.6 文献ノート
参考文献
第4章 ビットベクトル
4.1 access
4.2 rank
4.3 select
4.4 非常に疎なビットベクトル
4.5 応用
4.6 要約
4.7 文献ノート
参考文献
第5章 順列
5.1 順列の逆元
5.2 順列の累乗
5.3 圧縮可能な順列
5.4 応用
5.5 要約
5.6 文献ノート
参考文献
第6章 シーケンス
6.1 順列の使用
6.2 ウェーブレット木
6.3 アルファベット分割
6.4 応用
6.5 要約
6.6 文献ノート
参考文献
第7章 括弧列
7.1 単純な実装
7.2 計算量の改良
7.3 多種類括弧列
7.4 応用
7.5 要約
7.6 文献ノート
参考文献
第8章 木
8.1 LOUDS:単純な表現
8.2 バランスした括弧列
8.3 DFUDS表現
8.4 ラベル付き木
8.5 応用
8.6 要約
8.7 文献ノート
参考文献
第9章 グラフ
9.1 一般のグラフ
9.2 クラスタ化グラフ
9.3 kページグラフ
9.4 平面的グラフ
9.5 応用
9.6 要約
9.7 文献ノート
参考文献
第10章 格子
10.1 ウェーブレット木
10.2 k2木
10.3 重み付きの点の検索
10.4 高次元の格子
10.5 応用
10.6 要約
10.7 文献ノート
参考文献
第11章 テキスト
11.1 圧縮接尾辞配列
11.2 FM-index
11.3 高次圧縮
11.4 構築法
11.5 接尾辞木
11.6 応用
11.7 要約
11.8 文献ノート
参考文献
第12章 動的データ構造
12.1 ビットベクトル
12.2 配列と部分和
12.3 シーケンス
12.4 木構造
12.5 グラフと格子
12.6 テキスト
12.7 メモリの割り当て
12.8 要約
12.9 文献ノート
参考文献
第13章 最近の動向
13.1 符号化データ構造
13.2 反復的な文書集合
13.3 2 次記憶
参考文献
関連シリーズ
-
ことばの意味を計算するしくみ
-
データサイエンスはじめの一歩
-
転移学習
-
応用基礎としてのデータサイエンス
-
詳解 3次元点群処理
-
入門講義 量子コンピュータ
-
現場で活用するための機械学習エンジニアリング
-
Juliaで作って学ぶベイズ統計学
-
はじめての機械学習
-
教養としてのデータサイエンス
-
ディープラーニング 学習する機械
-
これならわかる機械学習入門
-
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
-
絵でわかるネットワーク
-
絵でわかるサイバーセキュリティ
-
Pythonで学ぶ強化学習
-
統計モデルと推測
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
データサイエンスの基礎
-
イラストで学ぶディープラーニング
-
テキスト・画像・音声データ分析
-
データサイエンスのためのデータベース
-
ベイズ深層学習
-
イラストで学ぶ ヒューマンインタフェース
-
しっかり学ぶ数理最適化
-
Raspberry Piではじめる機械学習
-
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
今度こそわかる量子コンピューター
-
絵でわかるスーパーコンピュータ
-
ベイズ推論による機械学習入門
-
これならわかる深層学習入門
-
情報メディア論
-
イラストで学ぶ 音声認識
-
イラストで学ぶ 機械学習 最小二乗法による識別モデル学習