Índices para Bases de Datos Métrico-Temporales
|
|
- Isabel Río Herrero
- hace 5 años
- Vistas:
Transcripción
1 Índices para Bases de Datos Métrico-Temporales Anabella De Battista, Andrés Pascal Dpto de Sistemas de Información Universidad Tecnológica Nacional Fac. Reg. Concepción del Uruguay Entre Ríos, Argentina {debattistaa, Norma Edith Herrera Departamento de Informática Universidad Nacional de San Luis San Luis, Argentina Gilberto Gutierrez Facultad de Ciencias Empresariales Universidad del Bio-Bio Chillán, Chile Resumen Las bases de datos métrico-temporales constituyen un nuevo modelo de bases de datos orientado al procesamiento de consultas por similitud en un intervalo o instante de tiempo. Este modelo está basado en la combinación de espacios métricos con bases de datos temporales. Para resolver eficientemente consultas métrico-temporales, se han propuesto los índices FHQT-Temporal, que añade intervalos de tiempo a cada nodo de un FHQT, e Historical-FHQT, que consiste en una lista de instantes de tiempo válidos, donde cada elemento contiene el índice FHQT correspondiente a los objetos vigentes en dicho instante. En este artículo se expone este nuevo modelo de base de datos y se describen ambas estructuras de acceso. 1. Introducción Las operaciones de búsquedas en una base de datos requieren de algún soporte y organización especial a nivel físico. En el caso de las bases de datos clásicas, la organización de la información se basa en el concepto de búsqueda exacta sobre datos estructurados. Esto significa que la información se organiza en registros con campos completamente comparables. Una búsqueda en la base retorna todos aquellos registros cuyos campos coinciden con los aportados en la consulta (búsqueda exacta). Otra característica importante de las bases de datos clásicas es que capturan sólo un estado de la realidad modelizada, usualmente el más reciente. Por medio de las transacciones, la base de datos evoluciona de un estado al siguiente descartando el estado previo. Actualmente las bases de datos han incluido la capacidad de almacenar otros tipos de datos tales como imágenes, sonido, texto, video, datos geométricos, etc. La problemática de almacenamiento y búsqueda en estos tipos de base de datos difiere notablemente de las bases de datos clásicas en tres aspectos: primero los datos generalmente son no estructurados, esto significa que es imposible organizarlos en registros y campos, segundo la búsqueda exacta carece de interés y tercero resulta de interés mantener todos los estados de la base de datos y no sólo el más reciente.
2 Es en este contexto donde surgen las bases de datos temporales y los espacios métricos, como nuevos modelos de bases de datos capaces de cubrir eficaz y eficientemente las necesidades de almacenamiento y búsqueda de estas aplicaciones. Espacios Métricos: este modelo de bases de datos [5] permite trabajar con objetos no estructurados (como imágenes, audio o video) y realizar búsquedas por similitud sobre dichos objetos. Un espacio métrico es un par (X, d), donde X es un conjunto de objetos y d : X X R + es una función de distancia que modela la similitud entre los elementos de X. La función d cumple con las propiedades características de una función de distancia: x, y X, d(x, y) 0 (positividad), x, y X, d(x, y) = d(y, x) (simetría), x, y, z X, d(x, y) d(x, z) + d(z, y)(desigualdad tringular). La base de datos es un conjunto finito U X. Una de las consultas típicas que implica recuperar objetos similares de una base de datos es la búsqueda por rango, que denotaremos con (q, r) d. Dado un elemento de consulta q, al que llamaremos query y un radio de tolerancia r, una búsqueda por rango consiste en recuperar aquellos objetos de la base de datos cuya distancia a q no sea mayor que r. Numerosos índices han sido propuestos para resolver eficientemente este tipo de búsqueda [5, 6, 4, 1] Bases de Datos Temporales: estas bases de datos incorporan al tiempo como una dimensión, permitiendo almacenar información acerca del pasado, el presente y en algunos casos, pueden predecir el futuro más probable [8]. Existen tres clases de bases de datos temporales según la forma en que manejan el tiempo: de tiempo transaccional que registran el tiempo de acuerdo al momento en que se procesan las transacciones, de tiempo vigente o válido (valid time): almacenan el tiempo en que el hecho ocurrió en la realidad, que puede no coincidir con el momento de su registro y bitemporales que integran la dimensión transaccional y la dimensión vigente a través del versionado de los estados [10]. Las Bases de Datos Métrico-Temporales fueron presentadas en [2, 9, 3] como respuesta a la necesidad de realizar consultas por similitud pero teniendo también en cuenta la dimensión temporal. En este nuevo modelo de bases de datos se permite trabajar con objetos no estructurados con tiempos de vigencia asociados y realizar consultas por similitud teniendo en cuenta el aspecto temporal. Un ejemplo de aplicación de este modelo es el siguiente: en una base de datos donde se registran las huellas digitales de las personas que visitan un museo junto a su fecha y hora de ingreso, determinar si una persona estuvo en el museo en una fecha dada (conociendo su huella digital). En este trabajo nos proponemos continuar con el estudio del modelo de bases de datos Métrico-Temporales, con el objetivo de diseñar estrategias que permitan mejorar la performance de los índices presentados en [9, 3]. Comenzamos dando una introducción al modelo Métrico-Temporal Luego presentamos los índices métrico-temporales FHQT-Temporal e Historical-FHQT, que constituyen las primeras propuestas de estructuras de acceso para este nuevo modelo de bases de datos. Finalizamos explicando el trabajo actual y futuro. 2. El Modelo Métrico-Temporal Las Bases de Datos Métrico-Temporales permiten realizar búsquedas sobre objetos no estructurados que tienen un intervalo de vigencia asociado y que no poseen un identificador útil como clave de búsqueda, por lo cual tiene sentido realizar consultas por similitud en un instante o intervalo de tiempo.
3 Sea O el universo de objetos válidos, un Espacio Métrico-Temporal es un par (U,d), donde U = O N N, y la función d es de la forma d : O O R +. Cada elemento u U es una triupla (obj, t i, t f ), donde obj es un objeto (por ejemplo, una imagen, sonido, cadena, etc) y [t i, t f ] es el intervalo de vigencia de obj. La función de distancia d, que mide la similitud entre dos objetos, cumple con las propiedades de una métrica (positividad, simetría y desigualdad triangular). Sea X U el conjunto finito sobre el que se realizan las búsquedas, una consulta por rango métrico-temporal se denota mediante la 4-upla (q, r, t iq, t fq ) d y consiste en recuperar todos los objetos cuyo intervalo de vigencia se superpone en algún punto con el intervalo [t iq, t fq ] y que poseen una distancia a q menor o igual que r; en símbolos: (q, r, t iq, t fq ) = {o/ (o, t io, t fo ) X d (q, o) r (t io t fq ) (t iq t fo )} En el caso de una consulta instantánea, el tiempo inicial consultado es igual al tiempo final t iq = t fq. Una forma trivial de resolver una consulta métrico-temporal, sin realizar un barrido secuencial sobre todos los elementos de la bases de datos, es construir un índice métrico agregándole a cada objeto el intervalo de tiempo de vigencia del mismo. Luego, ante una consulta (q, r, t iq, t fq ) d primero se utiliza el índice métrico para descarta aquellos objetos obj que están a distancia mayor que r de q; posteriormente se realiza un barrido secuencial sobre el conjunto de elementos no descartados por el paso anterior a fin de determinar cuáles objetos son realmente respuesta a la consulta, es decir, cuáles tienen un intervalo de vigencia que se superpone con [t iq, t fq ]. La desventaja que tiene esta solución trivial es que no se usa la componente temporal para mejorar el filtrado en el índice; en este proceso sólo se aprovecha la componente métrica. Una mejor estrategia es que durante el proceso de búsqueda se utilice tanto la componente métrica como la componente temporal para descartar elementos. 3. Métodos de Acceso Métrico-Temporales A continuación presentamos los índices métrico-temporales FHQT-Temporal, e Historical FHQT, que poseen un mejor comportamiento que la solución trivial ante consultas métrico-temporales FHQT-Temporal Este índice fue presentado en [9] y consiste en una adaptación del índice métrico Fixed Height Queries Tree(FHQT) [1] mediante la incorporación de la dimensión temporal en base a la idea de transformación del índice espacial R-Tree [7] en un índice espacio-temporal. Un FHQT de k niveles es un árbol que se construye de la siguiente manera: en la raíz se elige un elemento p llamado pivote y para cada distancia i > 0 se define el subconjunto de los objetos que se encuentran a distancia i del pivote p. Luego, por cada subconjunto no vacío se crea un hijo de p con rótulo i, y se construye recursivamente un FHQT. Este proceso se repite hasta cubrir los k niveles del árbol, usando siempre el mismo pivote p para todos los nodos del mismo nivel. El FHQT-Temporal se construye añadiendo un intervalo de tiempo al FHQT en cada uno de sus nodos. Este intervalo representa el período de tiempo máximo de vigencia para todos los objetos del subárbol cuya raíz es dicho nodo. En cada nodo hoja, este intervalo es el período total de vigencia de los objetos que contiene y cada objeto a su vez mantiene su intervalo de vigencia. Para un nodo interior, el intervalo se calcula tomando el tiempo inicial mínimo y el tiempo final máximo de sus hijos. La Figura 1 muestra un ejemplo de un FHQT de dos niveles y su correspondiente versión temporal. En el FHQT ( figura izquierda) se ha elegido a u 10 como pivote del primer nivel y a u 5 como pivote
4 u5 (42,82) (10,98) 2 5 (10,48) (21,98) u5 u7 u1 u2 u4 u6 u5 u3 u8 u9 (,42,82) (u7,10,14) (u2,12,48) (u1,20,40) (u4,12,39) (u5,37,98) (u6,33,37) (u3,40,68) (u8,21,48) (u9,22,50) Figura 1: Un ejemplo de un FHQT (izquierda) y su correspondiente versión temporal. del segundo nivel. En este ejemplo u 4 y u 6 se encuentran a distancia 2 del primer pivote y a distancia 7 del segundo pivote. En el FHQT-Temporal (figura derecha) se mantiene la estructura del FHQT incorporando los intervalos de tiempo correspondientes. Cuando se realiza una consulta métrico-temporal (q, r, t iq, t fq ) d se procede de la siguiente manera: 1. En cada nivel del árbol, se descartan todos aquellos subárboles cuyo intervalo de tiempo no tenga superposición con el intervalo [t iq, t fq ]. 2. Para aquellos subárboles en los que existe superposición temporal, se realiza un filtrado de la misma manera que lo haría una consulta por similitud, es decir, se eliminan todos aquellos subárboles que tengan un rótulo i tal que i / [d(p, q) r, d(p, q) + r] donde p es el pivote del nivel considerado. 3 En el último nivel, se realiza una búsqueda secuencial sobre las hojas que no fueron descartadas, seleccionando aquellos objetos que cumplan con la condición temporal y con la de similitud Historical FHQT El Historical FHQT (H-FHQT) [3] es otro índice métrico temporal diseñado usando como base el FHQT. Consiste en una lista de los instantes válidos de tiempo, donde cada celda contiene un índice FHQT de todos los objetos vigentes en dicho instante. Esta estructura esta orientada a bases de datos métrico-temporales en donde los objetos tienen vigencia en un sólo instante de tiempo. La profundidad de el FHQT asociado a cada instante de tiempo varía según la cantidad de elementos que se deban indexar. La cantidad de pivotes a utilizar en un árbol se calcula como log 2 o i, donde o i es la cantidad de objetos vigentes en el instante i. Así se evita que haya árboles profundos cuando la cantidad de objetos es baja, para que la estructura no tenga un costo espacial excesivo. La estructura es dinámica, permitiendo altas tanto de objetos en instantes de tiempos ya existentes como de objetos en nuevos instantes. Las consultas métrico temporales se efectúan de la siguiente manera: en primer lugar se seleccionan los instantes de tiempo i incluidos en el intervalo de consulta. Posteriormente se realizan consultas por similitud usando cada uno de los FHQT correspondientes, y se realiza la unión de los conjuntos resultantes.. 4. Trabajo Actual y Futuro Los dos índices presentados en este artículo han demostrado un buen desempeño en el procesamiento de consultas métrico-temporales [9, 3].
5 La evaluación experimental del FHQT-Temporal mostró ser más competitivo que la solución trivial, reduciendo significativamente la cantidad de evaluaciones necesarias de la función de distancia, en particular cuando se consulta por instante de tiempo y el radio de búsqueda es relativamente grande. Además permite resolver consultas temporales puras y métricas puras, en este último caso con el mismo costo que el FHQT. Parte de la eficiencia de esta estructura es consecuencia del filtrado inicial por el tiempo, lo que reduce significativamente la cantidad necesaria de evaluaciones de la función de distancia para hallar la respuesta a la consulta. Actualmente estamos analizando el desempeño del índice en memoria secundaria, tomando la cantidad de accesos a disco como otro factor en el cálculo del costo para esta estructura. Posteriormente pensamos estudiar el problema de la selección de pivotes para la optimización simultánea de la dimensión métrica y temporal. Por otro lado, el Historical-FHQT ha sido desarrollado como un primer avance de una solución más completa en la que estamos trabajando actualmente. En la misma, introducimos modificaciones al H-FHQT en base a ideas del HR-Tree, para mejorar su eficiencia ante consultas por intervalos, y para permitir representar objetos que tengan asociado un intervalo de vigencia en lugar de un instante. Referencias [1] R. Baeza-Yates, W. Cunto, U. Manber, and S. Wu. Proximity matching using fixed-queries trees. In Proc. 5th Combinatorial Pattern Matching (CPM 94), LNCS 807, pages , [2] De Battista, A. Pascal, G. Gutierrez, and N. Herrera. Búsqueda en bases de datos métricastemporales. In Actas del VIII Workshop de Investigadores en Ciencias de la Computación, Buenos Aires, Argentina, [3] De Battista, A. Pascal, G. Gutierrez, and N. Herrera. Un nuevo índice métrico-temporal: el historical fhqt. In Actas del XIII Congreso Argentino de Ciencias de la Computación, Corrientes, Agentina, [4] E. Chávez, J. Marroquín, and G. Navarro. Fixed queries array: A fast and economical data structure for proximity searching. Multimedia Tools and Applications (MTAP), 14(2): , [5] E. Chávez, G. Navarro, R. Baeza-Yates, and J.L. Marroquín. Searching in metric spaces. ACM Computing Surveys, 33(3): , September [6] Paolo Ciaccia, Marco Patella, Fausto Rabitti, and Pavel Zezula. Indexing metric spaces with m-tree. In Sistemi Evolui per Basi di Dati, pages 67 86, [7] A. Guttman. R-trees: A dynamic index structure for spatial searching. In In Proc. ACM SIGMOD Int. Conf. on Management of Data, pages 47 54, [8] C. S. Jensen. A consensus glossary of temporal database concepts. ACM SIGMOD Record, 23(1):52 54, [9] A. Pascal, De Battista, G. Gutierrez, and N. Herrera. Procesamiento de consultas métricotemporales. In XXIII Conferencia Latinoamericana de Informática, pages , San José de Costa Rica, [10] B. Salzberg and V. J. Tsotras. A comparison of access methods for temporal data. ACM Computing Surveys, 31(2), 1999.
Procesamiento de Consultas Métrico-Temporales
Procesamiento de Consultas Métrico-Temporales Anabella De Battista, Andrés Pascal, Alejandra Díaz, Pablo Gancharov, Adrian Planas Departamento de Sistemas de Información, Fac. Reg. Concepción del Uruguay
Bases de Datos Métrico-Temporales
Bases de Datos Métrico-Temporales Anabella De Battista, Andrés Pascal Departamento de Sistemas de Información Universidad Tecnológica Nacional Fac. Reg. Concepción del Uruguay Entre Ríos, Argentina {debattistaa,
Consultas en nuevos modelos de Bases de Datos
Consultas en nuevos modelos de Bases de Datos Andrés Pascal, Anabella De Battista, Juan Pablo Nunez, Soledad Retamar, Melisa Argüello, Christian Saliwonczyk Departamento Ingeniería en Sistemas de Información
Un nuevo índice Métrico-Temporal: el Historical FHQT
Un nuevo índice Métrico-Temporal: el Historical FHQT Anabella De Battista, Andrés Pascal Univ. Tec. Nacional, Fac. Reg. C. del Uruguay, Dpto. Sistemas de Información Concepción del Uruguay, Argentina,
Métodos de Acceso por Similitud Λ
Métodos de Acceso por Similitud Λ Edgar L. Chávez Escuela de Ciencias Físico - Matemáticas Universidad Michoacana - México elchavez@fismat.umich.mx Norma E. Herrera, Carina M. Ruano, Ana V. Villegas Departamento
Métodos de Acceso para Bases de Datos Métrico-Temporales
Métodos de Acceso para Bases de Datos Métrico-Temporales Anabella De Battista 1, Andrés Pascal 1, Norma Edith Herrera 2, Gilberto Gutiérrez 3 1 Dpto. Ing. en Sist. de Información, Universidad Tecnológica
Indexacion y Búsquedas en Bases de Datos
Indexacion y Búsquedas en Bases de Datos Anabella De Battista, Andrés Pascal Juan Pablo Nubez, Soledad Retamar Departamento Ingeniería en Sistemas de Información Fac. Reg. Concepción del Uruguay Universidad
Bases de Datos Multimedia
Bases de Datos Multimedia Capítulo 3 Algoritmos de búsqueda por similitud Este material se basa en el curso de Base de Datos Multimedia del DCC de la Universidad de Chile (Prof. Benjamín Bustos). 3.1 Conceptos
Indexando Datos no Estructurados
WICC 2012 241 Indexando Datos no Estructurados Gonzalo Navarro Departamento de Ciencias de la Computación Universidad de Chile, Chile gnavarro@dcc.uchile Nieves Rodríguez Brisaboa Facultad de Informática
I+3 R-Tree: un método de acceso espacio-temporal
I+3 R-Tree: un método de acceso espacio-temporal Edilma O. Gagliardi (1), Fernando D. Carrasco, Juan C. García Sosa Facultad de Ciencias Físico Matemáticas y Naturales, Universidad Nacional de San Luis,
Bases de Datos no Convencionales *
Bases de Datos no Convencionales * Diego Arroyuelo 1, Verónica Ludueña y Nora Reyes darroy,vlud,nreyes @unsl.edu.ar Dpto. de Informática Universidad Nacional de San Luis Tel.: 02652-420822-257 Fax: 02652-430224
Discretización binaria para el FQTrie *
Discretización binaria para el FQTrie * Carina Mabel Ruano Dpto de Informática Univ. Nacional de San Luis Argentina cmruano@unsl.edu.ar Edgar Chávez Escuela de Ciencias Físico-Matemáticas Universidad Michoacana
Bases de Datos Métricas *
Bases de Datos Métricas * Cristian Bustos, Verónica Ludueña, Nora Reyes Departamento de Informática, Universidad Nacional de San Luis. {cjbustos,vlud,nreyes}@unsl.edu.ar y Gonzalo Navarro Departamento
Elaboración de Estrategias Paralelas para Búsquedas por Similitud en Espacios Métricos
Elaboración de Estrategias Paralelas para Búsquedas por Similitud en Espacios Métricos Norma Beatriz Perez, Mario Berón Facultad de Ciencias Físico Matemáticas y Naturales - Universidad Nacional de San
SSSTree: búsqueda por similitud basada en clustering con centros espacialmente dispersos *
SSSTree: búsqueda por similitud basada en clustering con centros espacialmente dispersos * Roberto Uribe-Paredes 1,2, Roberto Solar 1, Nieves R. Brisaboa 3, Oscar Pedreira 3, Diego Seco 3 1 Dpto. Ingneniería
Recuperación de Información Multimedia
Recuperación de Información Multimedia Jacqueline Fernández, Verónica Ludueña, Nora Reyes, Patricia Roggero Departamento de Informática Universidad Nacional de San Luis {jmfer, vlud, nreyes, proggero}@unsl.edu.ar
Búsquedas por similitud sobre objetos dinámicos
Búsquedas por similitud sobre objetos dinámicos Anabella C. De Battista Entre Ríos - Argentina Noviembre de 2008 UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL CONCEPCIÓN DEL URUGUAY DEPTO. INGENIERÍA
Búsqueda por Similitud de Marcas de Ganado Vacuno
Búsqueda por Similitud de Marcas de Ganado Vacuno Lucrecia Michel 1, Rita Romani 1, Andrés Pascal 1 1 Dpto. de Sistemas de Información, Universidad Tecnológica Nacional, Entre Ríos, Argentina, {lucrecia.a.michel,
Archivos Indice. Indexación y. Asociación. Conceptos Básicos Indices Ordenados Arboles. Asociación. Docente: Albert A.
Docente: Albert A. Osiris Sofía 1º Cuatrimestre 2002 Conceptos Básicos Indices Ordenados Arboles Asociación Indexación y Asociación Archivos Indice 1 2 3 1 Archivos Indice Ordenados Asociativos Primario
Tema 08: TAD Árbol. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom
Tema 08: TAD Árbol M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Descripción del TAD Árbol Especificación
Combinando Clustering con Aproximación Espacial para
Combinando Clustering con Aproximación Espacial para Búsquedas en Espacios Métricos * Marcelo Barroso 1 Gonzalo Navarro 2 Nora Reyes 1 Departamento de Informática, Universidad Nacional de San Luis. 1 Departamento
Indexación y Asociación
Bases de Datos Indexación y Asociación Contenidos Conceptos básicos Indices Ordenados Árboles B+ ArbolesB Asociación estática Bases de Datos Indexación y Asociación 2 Conceptos básicos Los Indices se utilizan
Índices en Memoria Secundaria para Búsquedas en Texto
Índices en Memoria Secundaria para Búsquedas en Texto Gonzalo Navarro Departamento de Ciencias de la Computación Universidad de Chile, Chile gnavarro@dcc.uchile.cl Nieves Rodríguez Brisaboa Facultad de
Estructuras de Datos Métricas para la Recuperación de Información Multimedia en la Web. *
Estructuras de Datos Métricas para la Recuperación de Información Multimedia en la Web. * Roberto Uribe Paredes, Eduardo Peña Jaramillo Departamento de Ingeniería en Computación Universidad de Magallanes
Análisis y Complejidad de Algoritmos. Arboles Binarios. Arturo Díaz Pérez
Análisis y Complejidad de Algoritmos Arboles Binarios Arturo Díaz Pérez Arboles Definiciones Recorridos Arboles Binarios Profundidad y Número de Nodos Arboles-1 Arbol Un árbol es una colección de elementos,
Paralelización del D-Index para Búsquedas en Espacios Métricos Aplicado a los Frameworks BSP y Westershed
WICC 2012 763 Paralelización del D-Index para Búsquedas en Espacios Métricos Aplicado a los Frameworks BSP y Westershed Norma Beatriz Perez, Mario Berón Facultad de Ciencias Físico Matemáticas y Naturales
Capítulo 8. Árboles. Continuar
Capítulo 8. Árboles Continuar Introducción Uno de los problemas principales para el tratamiento de los grafos es que no guardan una estructura establecida y que no respetan reglas, ya que la relación entre
Representación Secuencial de un Trie de Sufijos
Representación Secuencial de un Trie de Sufijos Darío Martín Ruano, Norma Edith Herrera Departamento de Informática, Universidad Nacional de San Luis, Argentina, { dmruano, nherrera }@unsl.edu.ar Resumen
Lógica y Programación
Lógica y Programación Diagramas de Decisión Binarios J.-A. Alonso, F.-J. Martín-Mateos, J.-L. Ruiz-Reina Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Programación
Indexación dinámica para la recuperación de información basada en búsqueda por similitud * Nieves R. Brisaboa, Antonio Fariña, Oscar Pedreira
Indexación dinámica para la recuperación de información basada en búsqueda por similitud * Nieves R. Brisaboa, Antonio Fariña, Oscar Pedreira Laboratorio de Bases de Datos Facultad de Informática Universidade
Estructura de Datos Unidad 6: ARBOLES
Estructura de Datos Unidad 6: ARBOLES A. CONCEPTO DE ARBOL B. TIPOS DE ARBOL C. ARBOL BINARIO D. IMPLEMENTACION DE UN ARBOL BINARIO E. PROYECTO Introducción En ciencias de la informática, un árbol es una
Búsqueda por Similitud de Posiciones de Ajedrez
Búsqueda por Similitud de Posiciones de Ajedrez Diego Gonzalez 1, Andrés Pascal 1, Anabella De Battista 1, Norma Herrera 2 1 Dpto. de Sistemas de Información, Universidad Tecnológica Nacional, Entre Ríos,
FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 3. Estructuras de Almacenamiento. Básicas. Definición y Manejo.
FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA Tema 3. Estructuras de Almacenamiento Básicas. Definición y Manejo. 1.- Búsqueda de Información. Definición de Clave. 2.- Definición y Manejo
Tema 09: TAD Árbol binario
Tema 09: TAD Árbol binario M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Introducción El árbol binario
Informe Tarea II. Estructura de Datos VPT (Vintage Point Tree)
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ciencias de la Computación Informe Tarea II Estructura de Datos VPT (Vintage Point Tree) Fecha : 24 de Agosto de 2007 Autor
Recuperación Eficiente de Datos en Bases de Datos Multimedia
Recuperación Eficiente de Datos en Bases de Datos Multimedia Luis Britos, María E. Di Gennaro, Jacqueline Fernández, Veronica Gil-Costa, Fernando Kasián, Verónica Ludueña, Marcela Printista, Nora Reyes,
ESTRUCTURAS DE DATOS Y ALGORITMOS
ESTRUCTURAS DE DATOS Y ALGORITMOS CURSO 2009 PRÁCTICO 8 Nota: al igual que en los prácticos 6 y 7, en los problemas que siguen se usarán los tipos lista y árbol binario, como tipos abstractos, cada uno
12/08/2017 AVL. Especificación sobre árboles AVL. AVL: rotaciones
VL Se dice que un árbol binario está balanceado si y sólo si en cada nodo las alturas de sus 2 subárboles difieren como máximo en 1. Todos los árboles perfectamente balanceados son árboles VL. Especificación
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES ÁRBOL Un árbol es un grafo no dirigido, conexo, sin ciclos (acíclico), y que no contiene aristas
Tema 8: Teorema de Herbrand. Tableros en lógica de primer orden
Tema 8:. en de primer orden Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla Lógica Informática (Tecnologías Informáticas) Curso 2016 17 Contenido Sea Γ un conjunto de fórmulas
CAPÍTULO 2. ÁRBOLES 2.0. CONCEPTOS GENERALES
CAPÍTULO 2. ÁRBOLES 2.0. CONCEPTOS GENERALES Los árboles (en general) se utilizan para representar fórmulas algebraicas, para organizar objetos en orden de tal forma que las búsquedas sean muy eficientes
Indexación y Recuperación de Información Multimedia
Indexación y Recuperación de Información Multimedia Jacqueline Fernández, Veronica Gil-Costa, Verónica Ludueña, Nora Reyes, Patricia Roggero LIDIC, Departamento de Informática Universidad Nacional de San
Estructura de datos y de la información Boletín de problemas - Tema 10
Estructura de datos y de la información Boletín de problemas - Tema 10 1. En el caso de que sea posible, dar un ejemplo de los siguientes puntos. Si no, explicar por qué no lo es. Considerar un valor genérico
Introducción a los árboles. Lección 11
Introducción a los árboles Lección 11 Árbol: Conjunto de elementos de un mismo tipo, denominados nodos, que pueden representarse en un grafo no orientado, conexo y acíclico, en el que existe un vértice
Árboles n-arios de búsqueda. Lección 16
Árboles n-arios de búsqueda Lección 16 Definiciones Los árboles n-arios de búsqueda (árboles de búsqueda múltiples o multicamino) son árboles de grado n definidos de la forma: si el árbol A es vacío, entonces
Estructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Tema 5.1. Árboles. Árboles binarios y generales Prof. Dr. P. Javier Herrera Contenido 1. Introducción 2. Terminología 3. Árboles binarios 4. Árboles generales Tema 5.1.
Algoritmos sobre Listas
TEMA 6 Algoritmos sobre Listas V1.1 Manuel Pereira González Agenda Introducción Algoritmos de Búsqueda Búsqueda Secuencial Búsqueda Binaria Análisis de Eficiencia Algoritmos de Inserción Algoritmos de
Operaciones en Base de Datos Métricas y Modelo CPU-GPU
Operaciones en Base de Datos Métricas y Modelo CPU-GPU Mariela Lopresti, Fabiana Piccoli, Nora Reyes LIDIC- Universidad Nacional de San Luis Ejército de los Andes 950 Tel: 02652 420823, San Luis, Argentina
Selección espacial de pivotes dispersos para la búsqueda por similitud en espacios métricos *
Selección espacial de pivotes dispersos para la búsqueda por similitud en espacios métricos * Nieves R. Brisaboa 1, Antonio Fariña 1, Óscar Pedreira 1, Nora Reyes 2 1 Facultad de Informática, Universidade
Organización y acceso a los datos (continuación)
Organización y acceso a los datos (continuación) Bases de Datos 2 - Tecnologo de Informatica Outline 1 Recapitulemos Organización y Acceso a Datos 2 Estructuras de indexación Conceptos básicos Índices
GRAMATICAS LIBRES DEL CONTEXTO
GRMTICS LIBRES DEL CONTEXTO Estas gramáticas, conocidas también como gramáticas de tipo 2 o gramáticas independientes del contexto, son las que generan los lenguajes libres o independientes del contexto.
Lógica: Algoritmo: Archivo: Base de datos: Bit:
Lógica: Algoritmo: Archivo: Base de datos: Bit: 1 LÓGICA: Es una secuencia de operaciones realizadas por el hardware o por el software. Lógica del hardware, Son los circuitos y Chips que realizan las operaciones
Jerarquía de Almacenamiento
1) Explicar la organización de los medios de almacenamiento en primarios, secundarios y terciarios. Jerarquía de Almacenamiento Velocidad de Acceso, Costo, Memoria Cache Memoria Ppal. Volátil Almacenamiento
Tema 6: Estructuras de datos recursivas
Tema 6: Estructuras de datos recursivas Índice 1 Listas jerárquicas...2 2 Árboles binarios... 4 3 Árboles genéricos...7 4 Referencias...10 1. Listas jerárquicas Las listas tienen la propiedad de la clausura
Estructura de Datos. Códigos de Huffman. Primer Semestre, Compresión de Archivos. Compresión de Archivos
Estructura de Datos Códigos de Huffman Prof.: Mauricio Solar Prof.: Lorna Figueroa Primer Semestre, 2 Los algoritmos estudiados hasta ahora han sido diseñados, en general, para que utilicen el menor tiempo
5.6 Árbol generador de un grafo
88 5.6 Árbol generador de un grafo Definición 5.59. Sea G un grafo simple. Un árbol generador de G es un subgrafo de G que es un árbol y contiene todos los vértices de G. Ejemplo 5.60. Un grafo y algunos
ESTRUCTURA DE DATOS. ABB Arboles de Búsqueda Binaria
ESTRUCTURA DE DATOS ABB Arboles de Búsqueda Binaria ÁRBOLES BINARIOS Hasta ahora nos hemos dedicado a estudiar TAD que de una u otra forma eran de naturaleza lineal, o unidimensional. En los tipos abstractos
banda, mayor es la distorsión, y mayor es la probabilidad de que se cometan errores en el receptor.
banda, mayor es la distorsión, y mayor es la probabilidad de que se cometan errores en el receptor. Figura 1.10 Componentes en frecuencia de una onda cuadrada (T = 1/f). En la figura 1.11 se muestra una
Un árbol binario T se define como un conjunto finito de elementos, llamados nodos, de forma que:
Instituto Universitario de Tecnología Industrial Rodolfo Loero Arismendi I.U.T.I.R.L.A. ÁRBOLES Sección 3DA Asignatura: Estructura de Datos Lenguaje (C). Ciudad Bolívar _ abril_ 2006. Introducción El siguiente
Tema 10: Árbol binario de búsqueda
Tema 10: Árbol binario de búsqueda M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Árbol binario de
Estructura de Datos. Árboles Binarios de Búsqueda ABB. Primer Semestre, 2010
Estructura de Datos Árboles Binarios de Búsqueda ABB Prof.: Mauricio Solar Prof.: Lorna Figueroa Primer Semestre, 20 1 Arboles de Búsqueda Binaria El árbol binario de búsqueda (ABB) toma su nombre del
Análisis y Recuperación de Información
Análisis y Recuperación de Información 1 er Cuatrimestre 2017 Página Web http://www.exa.unicen.edu.ar/catedras/ayrdatos/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs.
Versión Iterativa de recuperar en un. Ejercicios Tema 11. Implementa una versión del método recuperar iterativa con la siguiente especificación:
Versión Iterativa de recuperar en un ABB Ejercicios Tema 11 Ejercicios Adaptados de Apuntes y Exámenes de EDA Germán Moltó Martínez gmolto@dsic.upv.es Estructuras de Datos y Algoritmos Escuela Técnica
Tema 2. Códigos sin prefijos
Tema 2. Códigos sin prefijos José A. Montenegro Dpto. Lenguajes y Ciencias de la Computación ETSI Informática. Universidad de Málaga monte@lcc.uma.es 26 de septiembre de 2013 José A Montenegro (monte@lcc.uma.es)
PROGRAMA EDUCATIVO INFORMATICA ADMINISTRATIVA
PROGRAMA EDUCATIVO INFORMATICA ADMINISTRATIVA UNIDAD DE APRENDIZAJE ADMINISTRACION DE BASES DE DATOS Unidad de competencia III Manejar las estructuras dinámicas en memoria secundaria Arboles ELABORACION
ETL es el proceso responsable por las operaciones que tiene lugar en el back stage de una arquitectura de Data Warehouse.
ETL Segunda Parte ETL es el proceso responsable por las operaciones que tiene lugar en el back stage de una arquitectura de Data Warehouse. Framework de ETL Datos extraídos de fuentes de almacenamiento
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA I. DATOS GENERALES SILABO DE MATEMÁTICA I 1.0 Unidad Académica : Ingeniería de Sistemas e Informática 1.1
Matemáticas Básicas para Computación
Matemáticas Básicas para Computación MATEMÁTICAS BÁSICAS PARA COMPUTACIÓN 1 Sesión No. 11 Nombre: Árboles Objetivo: Al término de la sesión el participante conocerá los tipos de grafos específicamente
ASIGNATURA: (TIS-106) Estructuras de Datos II DOCENTE: Ing. Freddy Melgar Algarañaz
TEMA 1. Árboles Generalizados Son estructuras de datos no lineales, o también denominadas estructuras multienlazadas. El árbol es una estructura de datos fundamental en informática, muy utilizada en todos
Arboles. Definiciones formales: 1) un árbol es un grafo acíclico finito T (P, E) tal que. P = E + 1 => todo arco es desconectante.
Arboles Definición: Es una estructura acíclica que, en algún sentido puede ser considerado el siguiente paso en la jerarquía de complejidad estructural. Los árboles tienen son de amplia aplicación en el
Método de árbol de cubos para resolver problemas de optimización discreta en la toma de decisiones. CONTENIDO
Método de árbol de cubos para resolver problemas de optimización discreta en la toma de decisiones. 1 CONTENIDO Introducción Marco teórico Métodos de optimización Método de árbol de cubos Problema de optimización
Capítulo 4: Grafos Clase 4: Árboles
Capítulo 4: Grafos Clase 4: Árboles Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 4: Grafos 1 / 12 Árboles Los árboles son una clase particular de grafos que
Capítulo 9. Introducción a los lenguajes formales. Continuar
Capítulo 9. Introducción a los lenguajes formales Continuar Introducción Un lenguaje es un conjunto de símbolos y métodos para estructurar y combinar dichos símbolos. Un lenguaje también recibe el nombre
XM-tree, un nuevo índice para Recuperación de Información en la Web
XM-tree, un nuevo índice para Recuperación de Información en la Web Claudia Deco, Guillermo Pierángeli, Cristina Bender Departamento de Sistemas e Informática Facultad de Ciencias Exactas, Ingeniería y
Aproximaciones en el estudio de Bases de Datos Espacio-Temporales y Ruteo sobre redes móviles
Aproximaciones en el estudio de Bases de Datos Espacio-Temporales y Ruteo sobre redes móviles Daniela Carolina Giraudi, Gabriela Soledad Segura Guzmán, Edilma Olinda Gagliardi, Departamento de Informática,
Este material es de uso exclusivo para clase de algoritmos y estructura de datos, la
Este material es de uso exclusivo para clase de algoritmos y estructura de datos, la información de este documento fue tomada textualmente de varios libros por lo que está prohibida su impresión y distribución.
Definición 1: Un grafo G es una terna ordenada (V(G), E(G), Ψ
Título: Un Arbol Natural Autor: Luis R. Morera onzález Resumen En este artículo se crea un modelo para representar los números naturales mediante un grafo, el cual consiste de de un árbol binario completo
Uso de Bases de Datos Espacio-Temporales para la Atención de Eventos de Emergencia
Uso de Bases de Datos Espacio-Temporales para la Atención de Eventos de Emergencia Marcela Aballay 1, Anabella De Battista 2, Edilma Olinda Gagliardi 3 1 Maestría en Ing. en Sist. de Información Facultad
UNIDAD I Introducción al Sistema Manejador de Base de Datos (DBMS)
UNIDAD I Introducción al Sistema Manejador de Base de Datos (DBMS) Un conjunto de elementos de datos que se describen a sí mismo, junto con relaciones y restricciones entre esos elementos, que presentan
Árboles B y B ) 20. Algoritmos y Estructuras de Datos II I.T. en Informática de Gestión/Sistemas Universidad de Huelva 63
y B + 3.8 y B+! Problema de los ABB cuando se usa almacenamiento secundario:! la búsqueda de un elemento requeriría muchos accesos a disco (un acceso a disco es extremadamente lento si lo comparamos con
Búsquedas en Bases de Datos no Convencionales
Búsquedas en Bases de Datos no Convencionales Diego Arroyuelo, Verónica Ludueña y Nora Reyes - darroy,vlud,nreyes @unsl.edu.ar Dpto. de Informática - Universidad Nacional de San Luis - Tel.: 02652-420822-257
ESTRUCTURA DE DATOS Y ALGORITMOS Titulación: Ingeniero Técnico en Informática de Gestión Curso: 2º Nombre y apellidos: Nota:
Nombre y apellidos: Nota: NOTA FINAL: Nota Practica (1 punto) + Nota Examen (9 punto) Es indispensable aprobar el examen (4,5 puntos) para aprobar la asignatura (5 puntos) La práctica es opcional Duración:
TIPOS DE BASE DE DATOS
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVESITARIO DE IZABAL- CUNIZAB CARRERA: PEM EN COMPUTACIÓN E INFORMATICA CUARSO: BASE DE DATOS CICLO: CUARTO SEMESTRE FACILITADOR: INGE. FREDY OSWALDO PEREZ
Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Organización de datos Licenciatura en Informática IFM - 0426 3-2-8 2.- HISTORIA
En esta sección se presenta detalles acerca del diseño para computar la función Get- 6.1 Observaciónes en la Estructura de Teorías para
Capítulo 6 Implementación En esta sección se presenta detalles acerca del diseño para computar la función Get- SafeBeliefs y hacer posible su implementación. 6.1 Observaciónes en la Estructura de Teorías
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL I. DATOS GENERALES SILABO DE MATEMÁTICA I 1.0 Unidad Académica : Ingeniería Ambiental 1.1 Semestre Académico : 2018-1B
Árboles binarios. Franco Guidi Polanco Escuela de Ingeniería Industrial Pontificia Universidad Católica de Valparaíso, Chile
Árboles binarios Franco Guidi Polanco Escuela de Ingeniería Industrial Pontificia Universidad Católica de Valparaíso, Chile fguidi@ucv.cl Árbol: definición v Árbol (del latín arbor oris): Planta perenne,
Ciencias de la Computación I
Ciencias de la Computación I Gramáticas Libres del Contexto y Lenguajes Libres del Contexto Gramáticas Formales Una gramática formal es una cuadrupla G = (N, T, P, S) N = conjunto finito de símbolos no
Árboles. Árboles. Árboles binarios de búsqueda. Árboles. Inserción en un árbol. Árbol binario de búsqueda
Árboles Árboles Mario Medina C. mariomedina@udec.cl Árboles Estructura recursiva Árbol vacío 0 o más árboles hijos Altura ilimitada Árbol binario A lo más dos hijos: izquierdo y derecho Árboles Árboles
Ejercicio 2 Considere la representación para Lista de Naturales y Árbol Binario de Naturales de la Figura 1.
Ejercicios Resueltos del Práctico 4 Ejercicio 2 Considere la representación para Lista de Naturales y Árbol Binario de Naturales de la Figura 1. 1 2 struct NodoLista { 3 int elem ; 4 NodoLista * sig ;
Estructura de Datos. Estructuras de Datos no lineales : Árboles
Estructura de Datos Estructuras de Datos no lineales : Árboles Definiciones de Árbol En términos matemáticos, un árbol es cualquier conjunto de puntos, llamados vértices, y cualquier conjunto de pares
Definición: NODO Un nodo es un punto de intersección o unión de varios elementos que confluyen en el mismo lugar.
Definición: ÁRBOL El árbol es como un tipo de grafo cíclico, conexo y no dirigido. Las estructuras tipo árbol se usan principalmente para representar datos con una relación jerárquica entre sus elementos.
Algoritmos glotones 2 (código de Huffman) mat-151
Algoritmos glotones 2 (código de Huffman) mat-151 Alonso Ramírez Manzanares Computación y Algoritmos 05.06.2009 Son técnicas muy efectivas para comprimir datos. Alcanzan una compresión de entre 20% y 90%
Estructura de Datos. Temario Unidad VI. Árboles Árboles Binarios
Estructura de Datos Árboles Árboles Binarios Temario Unidad VI 6.1 Definición y operaciones 6.2 Implementación 6.3 Recorrido en Árboles Binarios 6.4 Árboles AVL y su implementación 6.5 Árboles n-arios