Metoda list prostych Wykład II. Agnieszka Nowak - Brzezińska
|
|
- Aneta Gajewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Metoda list prostych Wykład II Agnieszka Nowak - Brzezińska
2 Wprowadzenie
3 Przykładowa KW
4 Inna wersja KW
5 Wyszukiwanie informacji
6 Metoda I 1. Przeglądamy kolejne opisy obiektów i wybieramy te, które zawierają w swoim opisie pierwszy term składowy pytania t czyli t1 (a potem to samo powtarzamy dla kolejnych pytań składowych (t2 tm)): (ti) = {x X : ti tx} 2. Zbiór obiektów będący sumą kolejno uzyskanych odpowiedzi na termy składowe jest dopiero odpowiedzią na pełne pytanie t. (t) = (t1) (t2) (tm)
7 Metoda II Porównujemy pełne pytanie t z opisami obiektów i wybieramy obiekty zawierające w swoim opisie przynajmniej jeden term składowy pytania t. (t) = {x X : ti t : ti tx}
8 Sprawdzenie wiadomości studenta: Ile termów składowych ma następujące pytanie t do systemu S: t = (c,c1)*(a,a1)+(b,b1) Jeśli mamy obiekt x o opisie: tx = (c,c1)(a,a1)(b,b2) To który z termów składowych pytania: t= (c,c1)+(a,a1) jest zawarty w opisie tego obiektu? Czy obie metody I i II tyle samo termów składowych będą analizować w przypadku pytania t i obiektu x?
9 Słowny algorytm dla pytań w postaci termów składowych
10
11
12
13 Wady metody I
14
15 Wady metody II
16 Czas wyszukiwania Ad. 1. Metoda wymaga m-krotnego (bo dla każdego z m termów składowych pytania t ) przeglądu opisów wszystkich obiektów. Ad. 2. Tylko raz przeglądany jest opis każdego obiektu i tak długo termy składowe pytania t są analizowane dopóki któryś nie będzie zawarty w opisie analizowanego obiektu.
17 Ocena metody klasycznej
18 Modyfikacje
19 Uporządkowanie opisów obiektów
20 Ocena modyfikacji
21 Grupowanie obiektów wg wybranego atrybutu
22 Wybieramy atrybut c Atrybut C trafia na 1-sze miejsce w KW Brakuje jeszcze uporządkowania wartości atrybutu C dla obiektów w KW.
23 Tworzymy kartotekę NU nowe uporządkowanie
24 Kartoteka wyszukiwawcza w MLP z grupowaniem obiektów wg atrybutu c
25 Wyszukiwanie informacji
26 Wyszukiwanie - przykład T = (c,c1)(a,a1) + (b,b1) T = t1 + t2 T1 = (c,c1)(a,a1) 1. Szukamy deskryptora (c,c1) termu t1 w TA 2. Znajdujemy AP=1, AK=2 3. Przeszukujemy wybrany fragment KW od adresu AP do AK (a więc obiekty x1 i x5) i wybieramy tylko te, które w swoim opisie zawierają pozostałe deskryptory pytania t (a więc deskryptor (a,a1)): (t1)={x X nu=1..nu=2 : (a,a1) tx} (t1)={x1,x5} (t)= (t1) (t2) = {x1,x5} {x1,x2} = {x1,x2,x5} T2 = (b,b1) 1. Szukamy deskryptora (b,b1) termu t2 w TA 2. Nie znajdujemy rekordu w TA odpowiadającego szukanemu deskryptorowi, a więc konieczny jest przegląd zupełny całej KW: Czy T2 tx1? Odp: TAK Czy T2 tx5? Odp: NIE Czy T2 tx2? Odp: TAK Czy T2 tx6? Odp: NIE Czy T2 tx3? Odp: NIE Czy T2 tx7? Odp: NIE Czy T2 tx4? Odp: NIE Czy T2 tx8? Odp: NIE Więc: (t2)={x1,x2}
27 Ocena modyfikacji
28 Podział połówkowy Metoda podziału połówkowego jest stosowana przede wszystkim dla atrybutów numerycznych, tzn. takich, których wartości są liczbami naturalnymi. Metoda ta może być jednak stosowana również dla innego rodzaju atrybutów, jeśli wartości tych atrybutów w opisach obiektów przedstawione zostaną w postaci kodów numerycznych. Ponieważ wartości atrybutów są liczbami naturalnymi wobec tego opisy obiektów można przedstawić w postaci ciągu liczb naturalnych. Ciągi te porządkujemy w kolejności rosnącej lub malejącej i numerujemy kolejnymi liczbami naturalnymi od 1 do r. term składowy t i przedstawiamy również w postaci ciągu liczb naturalnych. Porównujemy term składowy t i pytania z opisem obiektu w połowie bazy danych (x [r/2] ).
29 Ciągi te porządkujemy w kolejności rosnącej lub malejącej i numerujemy kolejnymi liczbami naturalnymi od 1 do r. Tx1=(a,a1)(b,b1)(c,c1) Tx5=(a,a1)(b,b1)(c,c2) Tx2=(a,a1)(b,b2)(c,c1) Tx6=(a,a1)(b,b2)(c,c2) Tx3=(a,a2)(b,b2)(c,c3) Tx7=(a,a2)(b,b2)(c,c3) Tx4=(a,a2)(b,b2)(c,c4) Tx8=(a,a2)(b,b2)(c,c4) Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8=224
30 Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8=224
31 term składowy t i przedstawiamy również w postaci ciągu liczb naturalnych. Porównujemy term składowy t i pytania z opisem obiektu w połowie bazy danych (x [r/2] ). Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8=224 T = (a,a1)(c,c1) normalizacja T = (a,a1)(c,c1)[(b,b1)+(b,b2]= (a,a1)(c,c1)(b,b1)+ (a,a1)(c,c1)(b,b2) Porządkowanie termów T = (a,a1)(b,b1)(c,c1)+ (a,a1)(b,b2)(c,c1) T =
32 T = (a,a1)(b,b1)(c,c1)+ (a,a1)(b,b2)(c,c1) Najpierw t1 = (a,a1)(b,b1)(c,c1) T1 = 111 Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8= Porównujemy pytanie ti z opisem będącym w połowie kartoteki wyszukiwawczej (a,a1)(b,b1)(c,c1) T1 = 111
33 T = (a,a1)(b,b1)(c,c1)+ (a,a1)(b,b2)(c,c1) Najpierw t1 = (a,a1)(b,b1)(c,c1) Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8= Porównujemy pytanie ti z opisem będącym w połowie kartoteki wyszukiwawczej (a,a1)(b,b1)(c,c1) T1 = 111
34 T = (a,a1)(b,b1)(c,c1)+ (a,a1)(b,b2)(c,c1) Najpierw t1 = (a,a1)(b,b1)(c,c1) Tx1=111 Tx5=112 Tx2=121 Tx6=122 Tx3=223 Tx7=223 Tx4=224 Tx8= Porównujemy pytanie t i z opisem będącym w połowie kartoteki wyszukiwawczej (a,a1)(b,b1)(c,c1) T1 = 111 Tx1=111 Tx5=112 Tx2=121 Tx6=122 Czy pytanie w porządku leksykograficznym jest przed czy po opisie spotkanym w połowie kartoteki? przed I połowa Tx3=223 Tx7=223 Tx4=224 Tx8=224 po II połowa
35 Wady Konieczność porządkowania pytań tak jak i opisów obiektów sprawia, że metoda nie będzie chętnie stosowana. Można wykorzystać pewne założenia metody ale ograniczyć się do porządkowania tylko jednego wybranego atrybutu bądź kilku atrybutów w opisie obiektów.
36 Podział połówkowy - uproszczony
37 Wybieramy atrybut c
38 Wyszukiwanie
39 Wyszukiwanie - przykład T = (c,c1)(a,a1) + (b,b1) T = t1 + t2 n 8 Szukamy obiektu o indeksie: C B A Szukamy więc 5-go obiektu w uporządkowanej kartotece. Jest to obiekt x3 o opisie (c,c3)(b,b2)(a,a2) X1 C1 B1 A1 X5 C1 B2 A1 X2 C2 B1 A1 X6 C2 B2 A1 X3 C3 B2 A2 X7 C3 B2 A2 X4 C4 B2 A2 I połowa II połowa 8 x8 C4 B2 a2
40 Wyszukiwanie - przykład T = (c,c1)(a,a1) + (b,b1) T = t1 + t2 1. W pytaniu t1 mam poszukujemy obiektów zawierających w swoim opisie deskryptor (c,c1). 2. A więc deskryptor (c,c1) < (c,c3) zatem musimy szukać odpowiedzi w I-ej połowie KW: 3. Sprawdzamy kolejno opisy obiektów w I połowie czy zawierają one szukane deskryptory pytania t1: Czy T1 tx1? Odp: TAK Czy T1 tx5? Odp: TAK Czy T1 tx2? Odp: NIE Czy T1 tx6? Odp: NIE Więc: (t1)={x1,x5} C B A X1 C1 B1 A1 X5 C1 B2 A1 X2 C2 B1 A1 X6 C2 B2 A1
41 Wyszukiwanie - przykład T = (c,c1)(a,a1) + (b,b1) T = t1 + t2 1. W pytaniu t2 mam poszukujemy obiektów zawierających w swoim opisie deskryptor (b,b1). 2. Niestety deskryptor pytania nie porządkował naszej kartoteki zatem konieczny jest przegląd zupełny całej KW: Czy T2 tx1? Odp: TAK Czy T2 tx5? Odp: NIE Czy T2 tx2? Odp: TAK Czy T2 tx6? Odp: NIE Czy T2 tx3? Odp: NIE Czy T2 tx7? Odp: NIE Czy T2 tx4? Odp: NIE Czy T2 tx8? Odp: NIE Więc: (t1)={x1,x2} C B A X1 C1 B1 A1 X5 C1 B2 A1 X2 C2 B1 A1 X6 C2 B2 A1 X3 C3 B2 A2 X7 C3 B2 A2 X4 C4 B2 A2 x8 C4 B2 a2 (t)= (t1) (t2) = {x1,x5} {x1,x2} = {x1,x2,x5}
42 Ocena modyfikacji
43 Ocena modyfikacji Kiedy może być tak, że utracimy kompletność? Co to jest kompletność wyszukiwania?
44 Kompletność wyszukiwania Przez wyszukiwanie kompletne będziemy rozumieć taką metodę, która na zadane do systemu pytanie potrafi znaleźć wszystkie obiekty będące odpowiedzią (na to pytanie). Jeśli choć jeden obiekt (który był odpowiedzią) nie zostanie wyszukany to powiemy, że odpowiedź systemu nie jest kompletna.
45 Kiedy podział połówkowy (wersji uproszczonej, z jednym atrybutem porządkowanym) może nie dostarczać odpowiedzi kompletnej? T = (c,c3)(a,a2) n 8 Szukamy obiektu o indeksie: C B A Szukamy więc 5-go obiektu w uporządkowanej kartotece. Jest to obiekt x3 o opisie (c,c3)(b,b2)(a,a2). Skoro obiekt x3 ma wartość atrybutu C równą c3 to decydujemy że informacje których szukamy będą w drugiej połowie kartoteki A więc przeglądniemy odpowiednio tylko 4 obiekty x3, x7, x4, x8 (wśród których x3 i x7 określimy jako odpowiedź na pytanie) a pominiemy obiekt x6 będący w pierwszej (pominiętej) połowie, mimo, że on też jest odpowiedzią na tak zadane pytanie. Z tego względu zamiast znaleźć 3 obiekty stanowiące odpowiedź na zadanie pytanie, znajdziemy tylko 2, a więc nasza odpowiedź nie będzie kompletna!!! X1 C1 B1 A1 X5 C1 B2 A1 X2 C2 B1 A1 X6 C3 B2 A2 X3 C3 B2 A2 X7 C3 B2 A2 X4 C4 B2 A2 x8 C4 B2 a2 I połowa II połowa
46 Pozostałe modyfikacje patrz laboratoria Metoda odcinkowa (polegająca na grupowaniu obiektów wg więcej niż jednego deskryptora).
47 Modyfikacje (po pewnym czasie eksploatacji systemu) Odcedzanie: statyczne, dynamiczne, hiperdynamiczne Organizacja zwarta Założenia: Pytania do systemu się powtarzają Mamy pewien okres obserwacji systemu i wiemy więc jakie obiekty stanowiły odpowiedź na takie pytania Efekt: Porządkujemy obiekty w KW tak, że na górze kartoteki powinny być te obiekty, które najczęściej są odpowiedzią na pytania a te, które najrzadziej odpowiednio niżej w KW
48 Odcedzanie statyczne KW: Tworzymy macierz [tx x ti] t1 t2 t3 t4 t5 F X X X X X X X x Po pewnym czasie eksploatacji systemu widzimy, że najczęściej pytania są następujące: T1 = (a,a1) T2 = (a,a1)(b,b2) T3 = (b,b1)(c,c1) T4 = (a,a1)+(b,b1) T5= (a,a1)+(c,c1) A odpowiedzi na te pytania były następujące: (T1) = {x1,x2,x5,x6} ( T2) = {x5,x6} ( T3) = {x1} ( T4) = {x1,x2,x5,x6} ( T5)= {x1,x2,x5,x6} Patrząc na częstość występowania obiektów w odpowiedziach na pytanie (F) NOWE uporządkowanie obiektów będzie następujące: a b C X1 A1 B1 C1 X5 A1 B2 C1 X6 A1 B2 C2 x2 A1 B1 C2 X3 A2 B2 C3 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4
49 Ocena Wady: zwiększona zajętość pamięci na macierz pomocniczą, konieczność obliczania częstości występowania obiektów w odpowiedziach na pytania. Zalety: kolejność pytań nie ma wpływu na uporządkowanie obiektów jedynie częstość występowania obiektów w odpowiedziach na pytania.
50 Odcedzanie dynamiczne KW: NIE Tworzymy macierzy [tx x ti] t1 t2 t3 t4 t5 F X X Po pewnym czasie eksploatacji systemu widzimy, że najczęściej pytania są następujące: T1 = (a,a1) T2 = (a,a1)(b,b2) T3 = (b,b1)(c,c1) T4 = (a,a1)+(b,b1) T5= (a,a1)+(c,c1) A odpowiedzi na te pytania były następujące: (T1) = {x1,x2,x5,x6} ( T2) = {x5,x6} ( T3) = {x1} ( T4) = {x1,x2,x5,x6} ( T5)= {x1,x2,x5,x6} X X X X X x
51 t0 X1 X2 Po pytaniu t1 T1 = (a,a1) X3 X4 X5 X6 X7 x8 t1 X1 X2 X3 X4 X5 X6 X7 x8 Zasada: Obiekty które są odpowiedzią na pytania przesuwają się w górę KW o jedno miejsce! Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B1 C2 X3 A2 B2 C3 X5 A1 B2 C1 X6 A1 B2 C2 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4
52 t1 X1 X2 Po pytaniu t2 T2 = (a,a1)(b,b2) X3 X5 X6 x4 X7 x8 t2 X1 X2 X3 X5 X6 x4 X7 x8 Zasada: Obiekty które są odpowiedzią na pytania przesuwają się w górę KW o jedno miejsce! Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B2 C1 X5 A1 B2 C1 X6 A1 B2 C2 X3 A2 B2 C3 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4
53 t2 X1 X2 Po pytaniu t3 T3 = (b,b1)(c,c1) X5 X6 X3 x4 X7 x8 t3 X1 X2 X5 X6 X3 X4 X7 X8 Zasada: Obiekty które są odpowiedzią na pytania przesuwają się w górę KW o jedno miejsce! Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B2 C1 X5 A1 B2 C2 X6 A1 B1 C2 X3 A2 B2 C3 X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
54 t3 X1 X2 Po pytaniu t4 T4 = (a,a1)+(b,b1) X5 X6 X3 X4 X7 X8 t4 X1 X2 X5 X6 X3 X4 X7 X8 Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B2 C1 X5 A1 B2 C2 X6 A1 B1 C2 X3 A2 B2 C3 Zasada: Obiekty które są odpowiedzią na pytania przesuwają się w górę KW o jedno miejsce! X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
55 t4 X1 X2 X5 X6 X3 X4 X7 X8 t5 X1 X2 X5 X6 X3 X4 X7 X8 Zasada: Obiekty które są odpowiedzią na pytania przesuwają się w górę KW o jedno miejsce! Po pytaniu t5 T5= (a,a1)+(c,c1) Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B2 C1 X5 A1 B2 C2 X6 A1 B1 C2 X3 A2 B2 C3 X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
56 Ocena Wady: kolejność występowania obiektów na początku ma wpływ na wynikowe uporządkowanie obiektów, kolejność zadawania pytań też ma znaczenie. Zalety: uporządkowanie kartoteki zmienia się na bieżąco po każdym pytaniu a więc nie ma zwiększonej zajętości pamięci.
57 Odcedzanie hiperdynamiczne KW: NIE Tworzymy macierzy [tx x ti] t1 t2 t3 t4 t5 F X X Po pewnym czasie eksploatacji systemu widzimy, że najczęściej pytania są następujące: T1 = (a,a1) T2 = (a,a1)(b,b2) T3 = (b,b1)(c,c1) T4 = (a,a1)+(b,b1) T5= (a,a1)+(c,c1) A odpowiedzi na te pytania były następujące: (T1) = {x1,x2,x5,x6} ( T2) = {x5,x6} ( T3) = {x1} ( T4) = {x1,x2,x5,x6} ( T5)= {x1,x2,x5,x6} X X X X X x
58 t0 X1 X2 X3 X4 X5 X6 X7 x8 t1 X1 X2 X5 X6 X3 X4 X7 x8 Po pytaniu t1 Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X2 A1 B1 C2 X5 A1 B2 C1 X6 A1 B2 C2 X3 A2 B2 C3 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4
59 t1 X1 X2 X5 X6 X3 X4 X7 x8 t2 X5 X6 X1 X2 X3 x4 X7 x8 Po pytaniu t2 Kartoteka Wyszukiwawcza a b C X5 A1 B2 C1 X6 A1 B2 C2 X1 A1 B1 C1 X2 A1 B2 C1 X3 A2 B2 C3 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4
60 t2 X5 X6 X1 X2 X3 x4 X7 x8 t3 X1 X5 X6 X2 X3 X4 X7 X8 Po pytaniu t3 Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X5 A1 B2 C1 X6 A1 B2 C2 X2 A1 B1 C2 X3 A2 B2 C3 X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
61 t3 X1 X5 X6 X2 X3 X4 X7 X8 t4 X1 X5 X6 X2 X3 X4 X7 X8 Po pytaniu t4 Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X5 A1 B2 C2 X6 A1 B1 C2 X2 A1 B2 C1 X3 A2 B2 C3 X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
62 t4 X1 X5 X6 X2 X3 X4 X7 X8 t5 X1 X5 X6 X2 X3 X4 X7 X8 Po pytaniu t5 Kartoteka Wyszukiwawcza a b C X1 A1 B1 C1 X5 A1 B2 C2 X6 A1 B1 C2 X2 A1 B2 C1 X3 A2 B2 C3 X4 A2 B2 C4 X7 A2 B2 C3 X8 a2 b2 c4
63 Ocena Wady: kolejność występowania obiektów na początku ma wpływ na wynikowe uporządkowanie obiektów, kolejność zadawania pytań też ma znaczenie. Ostatnie pytanie jest decydującym!!! Zalety: uporządkowanie kartoteki zmienia się na bieżąco po każdym pytaniu a więc nie ma zwiększonej zajętości pamięci.
64 Jak się wyszukuje przy odcedzaniu? KW Załóżmy, że do systemu zadano pytanie: T = (a,a1)(b,b2) a b C X1 A1 B1 C1 X5 A1 B2 C1 Zwykle zadanemu pytaniu towarzyszy dodatkowy parametr k X6 A1 B2 C2 x2 A1 B1 C2 X3 A2 B2 C3 x4 A2 B2 C4 X7 A2 B2 C3 x8 a2 b2 c4 Załóżmy, że w naszym przypadku: K- przeszukaj tylko połowę KW Wówczas wiadomo, że odpowiedź na pytanie t będzie poszukiwana tylko dla pierwszej połowy obiektów w KW, a więc (po zmianie uporządkowania) będą to obiekty: a b C X1 A1 B1 C1 X5 A1 B2 C1 X6 A1 B2 C2 x2 A1 B1 C2 Sprawdzamy więc: Czy T tx1? Odp: NIE Czy T tx5? Odp: TAK Czy T tx6? Odp: TAK Czy T tx2? Odp: NIE Ostatecznie: (t) = {x5,x6}
65 Jaka jest kompletność odpowiedzi? W metodzie klasycznej znaczenie termu T = (a,a1)(b,b2) jest następujące: (t) = {x5,x6} Przy zastosowaniu odcedzania statycznego znaczeniem tego termu jest zbiór: (t) = {x5,x6} A więc przeszukując tylko 50 % KW dostaliśmy tę samą odpowiedź. Kompletność 100%
66 Czy tak będzie zawsze? W metodzie klasycznej znaczenie termu T = (a,a1)(b,b2) jest następujące: (t) = {x5,x6} Przy zastosowaniu odcedzania statycznego i parametru k = 25 % KW znaczeniem tego termu jest zbiór: (t) = {x5} A więc przeszukując tylko 25 % KW dostaliśmy niekompletną odpowiedź. Kompletność 50%
67 Wniosek Gdy nie przeszukujemy całej KW: 1. zyskujemy na czasie wyszukiwania (bo się on skraca) 2. ale ryzykujemy utratą kompletności odpowiedzi (bo możemy nie wyszukać wszystkich obiektów, które w swoim opisie zawierają termy pytania).
68 Organizacja zwarta Podobnie jak odcedzanie prowadzi do zmiany uporządkowania obiektów w KW. Zmiana uporządkowania dokonana jest dzięki budowie zwartych obszarów obiektów, które były odpowiedzią na zadane pytanie.
69 Organizacja zwarta - przykład KW: Tworzymy macierz [tx x ti] t1 t2 t3 t4 t5 X X Po pewnym czasie eksploatacji systemu widzimy, że najczęściej pytania są następujące: T1 = (a,a1) T2 = (a,a1)(b,b2) T3 = (b,b1)(c,c1) T4 = (a,a1)+(b,b1) T5= (a,a1)+(c,c1) A odpowiedzi na te pytania były następujące: (T1) = {x1,x2,x5,x6} ( T2) = {x5,x6} ( T3) = {x1} ( T4) = {x1,x2,x5,x6} ( T5)= {x1,x2,x5,x6} X X X X X x
70 Organizacja zwarta budowa zwartych obszarów dla pytania t1 t1 t2 t3 t4 t5 X X X X X X X x t1 t2 t3 t4 t5 X X X X X X X x Tak naprawdę już po tym pierwszym pytaniu t1 wszystkie obiekty na wszystkie pytania budują zwarte obszary!!!
71 Kartoteka wyszukiwawcza dla organizacji zwartej NU t1 t2 t3 t4 t5 1 X X X X X X X x NU a b C 1 X1 A1 B1 C1 2 x2 A1 B1 C2 3 X5 A1 B2 C1 4 X6 A1 B2 C2 5 X3 A2 B2 C3 6 x4 A2 B2 C4 7 X7 A2 B2 C3 8 x8 a2 b2 c4 + AP AK T1 1 4 T2 3 4 T3 1 1 T4 1 4 t5 1 4 Kartoteka wyszukiwawcza
72 Przykład wyszukiwania - 1 Załóżmy, że do systemu zadano pytanie: T = (a,a1)(b,b2) Sprawdzamy, czy pytanie odpowiada, któremuś z pytań które budowały KW? W naszym przypadku TAK bo jest to odpowiednik t2 więc widzimy, że: AP T2 3 4 AK Czyli odpowiedzią na pytanie t są obiekty o numerach od AP do AK czyli 3 i 4 a więc: NU a b C 1 X1 A1 B1 C1 2 x2 A1 B1 C2 3 X5 A1 B2 C1 4 X6 A1 B2 C2 5 X3 A2 B2 C3 6 x4 A2 B2 C4 7 X7 A2 B2 C3 8 x8 a2 b2 c4 AP AK T1 1 4 T2 3 4 T3 1 1 T4 1 4 t5 1 4 Ostatecznie: (t) = {x5,x6}
73 Przykład wyszukiwania -2 Załóżmy, że do systemu zadano pytanie: T = (a,a1)(b,b2)(c,c2) Sprawdzamy, czy pytanie odpowiada, któremuś z pytań które budowały KW? W naszym przypadku TAK bo jest to odpowiednik t2 więc widzimy, że: AP T2 3 4 Ponieważ term t2 jest zawarty w termie t musimy obiekty wskazane jako odpowiedź na pytanie t2 przeszukać względem pozostałych deskryptorów pytania, a więc (c,c2): NU a b C AK 3 X5 A1 B2 C1 4 X6 A1 B2 C2 NU a b C 1 X1 A1 B1 C1 2 x2 A1 B1 C2 3 X5 A1 B2 C1 4 X6 A1 B2 C2 5 X3 A2 B2 C3 6 x4 A2 B2 C4 7 X7 A2 B2 C3 8 x8 a2 b2 c4 AP AK T1 1 4 T2 3 4 T3 1 1 T4 1 4 t5 1 4 Ostatecznie: (t) = {x6}
74 Przykład wyszukiwania -3 Załóżmy, że do systemu zadano pytanie: T = (a,a2)(b,b2)(c,c2) Sprawdzamy, czy pytanie odpowiada, któremuś z pytań które budowały KW? W naszym przypadku NIE więc nie pomoże nam tablica adresowa i konieczny jest przegląd zupełny całej KW: Czy T tx1? Odp: NIE Czy t tx2? Odp: NIE Czy T tx5? Odp: NIE Czy T tx6? Odp: NIE Czy T tx3? Odp: NIE Czy T tx4? Odp: NIE Czy T tx7? Odp: NIE Czy T tx8? Odp: NIE NU a b C 1 X1 A1 B1 C1 2 x2 A1 B1 C2 3 X5 A1 B2 C1 4 X6 A1 B2 C2 5 X3 A2 B2 C3 6 x4 A2 B2 C4 7 X7 A2 B2 C3 8 x8 a2 b2 c4 AP AK T1 1 4 T2 3 4 T3 1 1 T4 1 4 t5 1 4 Ostatecznie: (t) = { }
75 Wniosek Organizacja zwarta jest wtedy zaletą gdy zadajemy pytania w oparciu o pytania, które tworzyły całą organizację i budują tablicę TA (inaczej konieczny jest przegląd zupełny KW). Nie zawsze daje się zbudować zwarte obszary obiektów.
76 Podsumowanie Metoda list prostych jest najłatwiejszą do implementacji metodą wyszukiwania. Zaletą jest brak redundancji i stosunkowo niewielka zajętość pamięci. Modyfikacje pozwalają skrócić czas wyszukiwania. Aktualizacja nie jest trudnym procesem.
Metoda List Prostych mgr Tomasz Xięski, Instytut Informatyki, Uniwersytet Śląski Sosnowiec, 2012
Metoda List Prostych mgr Tomasz Xięski, Instytut Informatyki, Uniwersytet Śląski Sosnowiec, 2012 Najprostsza metoda wyszukiwania informacji. Nazywana również Metodą Przeglądu Zupełnego (bo w procesie wyszukiwania
Bardziej szczegółowoMetoda list inwersyjnych. Wykład III
Metoda list inwersyjnych Wykład III Plan wykładu Cele metody Tworzenie kartoteki wyszukiwawczej Redundancja i zajętość pamięci Wyszukiwanie informacji Czasy wyszukiwania Ocena metody: wady i zalety Modyfikacje
Bardziej szczegółowoMETODA LIST PROSTYCH. Marcin Jaskuła
METODA LIST PROSTYCH Marcin Jaskuła DEFINIOWANIE SYSTEMU S= Gdzie: X- zbiór obiektów systemu A- zbiór atrybutów systemu V- zbiór wartości atrybutów Q- funkcja informacji Zdefiniowany system
Bardziej szczegółowoMetoda List Łańcuchowych
Metoda List Łańcuchowych mgr Tomasz Xięski, Instytut Informatyki, Uniwersytet Śląski Sosnowiec, 2010 Celem metody jest utrzymanie zalet MLI (dobre czasy wyszukiwania), ale wyeliminowanie jej wad (wysoka
Bardziej szczegółowoMetoda list inwersyjnych
Metoda list inwersyjnych Zakładam, że materiał ten zastępuje nam zajęcia, które się niestety nie odbyły w dniach 10 i 17 kwiecień. Bardzo proszę przejrzeć cały materiał i na kolejne zajęcia przyjść przygotowanym.
Bardziej szczegółowoMetoda List Inwersyjnych
Metoda List Inwersyjnych Celem metody jest poprawienie (skrócenie) czasów wyszukiwania względem MLP (i tak się faktycznie dzieje dla pewnej klasy pytań). Założenie: Dany jest system informacyjny S =
Bardziej szczegółowoMetoda Składowych atomowych
Metoda Składowych atomowych 26 stycznia 2011 Konspekt do zajęć z przedmiotu: Systemy Wyszukiwania Informacji Literatura źródłowa: 1. Wakulicz-Deja A.: Podstawy systemów wyszukiwania informacji. Analiza
Bardziej szczegółowoWprowadzenie i pojęcia wstępne.
Wprowadzenie i pojęcia wstępne. X\A a b c x 1 a 1 b 1 c 1 x 2 a 1 b 1 c 2 x 3 a 1 b 2 c 3 x 4 a 2 b 1 c 4 x 5 a 1 b 2 c 1 x 6 a 1 b 2 c 2 x 7 a 1 b 1 c 1 S = X = {x 1,,x 8 } A = {a, b, c}
Bardziej szczegółowoDekompozycja w systemach wyszukiwania informacji
METODY DEKOMPOZYCJI: Dekompozycja w systemach wyszukiwania informacji ATRYBUTOWA OBIEKTOWA HIERARCHICZNA (zależna i wymuszona) Dekompozycje mają cel wtedy kiedy zachodzi któryś z poniższych warunków: Duża
Bardziej szczegółowoSystemy Wyszukiwania Informacji
Systemy Wyszukiwania Informacji METODA LIST INWERSYJNYCH OPRACOWALI: Filip Kuliński Adam Pokoleńczuk Sprawozdanie zawiera: Przedstawienie kartoteki wtórnej Przedstawienie kartoteki wyszukiwawczej (inwersyjne)
Bardziej szczegółowooperacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.
Problem porządkowania zwanego również sortowaniem jest jednym z najważniejszych i najpopularniejszych zagadnień informatycznych. Dane: Liczba naturalna n i ciąg n liczb x 1, x 2,, x n. Wynik: Uporządkowanie
Bardziej szczegółowoAlgorytmy i struktury danych. Wykład 4 Tablice nieporządkowane i uporządkowane
Algorytmy i struktury danych Wykład 4 Tablice nieporządkowane i uporządkowane Tablice uporządkowane Szukanie binarne Szukanie interpolacyjne Tablice uporządkowane Szukanie binarne O(log N) Szukanie interpolacyjne
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Proste algorytmy sortowania Witold Marańda maranda@dmcs.p.lodz.pl 1 Pojęcie sortowania Sortowaniem nazywa się proces ustawiania zbioru obiektów w określonym porządku Sortowanie
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
: idea Indeksowanie: Drzewo decyzyjne, przeszukiwania binarnego: F = {5, 7, 10, 12, 13, 15, 17, 30, 34, 35, 37, 40, 45, 50, 60} 30 12 40 7 15 35 50 Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY Metoda K Najbliższych Sąsiadów K-Nearest Neighbours (KNN) ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY Metoda K Najbliższych Sąsiadów K-Nearest Neighbours (KNN) ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoLaboratorium nr 7 Sortowanie
Laboratorium nr 7 Sortowanie 1. Sortowanie bąbelkowe (BbS) 2. Sortowanie przez wstawianie (IS) 3. Sortowanie przez wybieranie (SS) Materiały Wyróżniamy następujące metody sortowania: 1. Przez prostą zamianę
Bardziej szczegółowoMetody indeksowania dokumentów tekstowych
Metody indeksowania dokumentów tekstowych Paweł Szołtysek 21maja2009 Metody indeksowania dokumentów tekstowych 1/ 19 Metody indeksowania dokumentów tekstowych 2/ 19 Czym jest wyszukiwanie informacji? Wyszukiwanie
Bardziej szczegółowoRekurencja. Przykład. Rozważmy ciąg
Rekurencja Definicje rekurencyjne Definicja: Mówimy, iż ciąg jest zdefiniowany rekurencyjnie, jeżeli: (P) Określony jest pewien skończony zbiór wyrazów tego ciągu, zwykle jest to pierwszy wyraz tego ciągu
Bardziej szczegółowoAlgorytmy przeszukiwania
Algorytmy przeszukiwania Przeszukiwanie liniowe Algorytm stosowany do poszukiwania elementu w zbiorze, o którym nic nie wiemy. Aby mieć pewność, że nie pominęliśmy żadnego elementu zbioru przeszukujemy
Bardziej szczegółowowykład Organizacja plików Opracował: dr inż. Janusz DUDCZYK
wykład Organizacja plików Opracował: dr inż. Janusz DUDCZYK 1 2 3 Pamięć zewnętrzna Pamięć zewnętrzna organizacja plikowa. Pamięć operacyjna organizacja blokowa. 4 Bufory bazy danych. STRUKTURA PROSTA
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 6a: Model danych oparty na zbiorach http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2010/tpi-2010 Prof. dr hab. Elżbieta Richter-Wąs 1 Model danych oparty na zbiorach
Bardziej szczegółowoProgramowanie w VB Proste algorytmy sortowania
Programowanie w VB Proste algorytmy sortowania Sortowanie bąbelkowe Algorytm sortowania bąbelkowego polega na porównywaniu par elementów leżących obok siebie i, jeśli jest to potrzebne, zmienianiu ich
Bardziej szczegółowoznalezienia elementu w zbiorze, gdy w nim jest; dołączenia nowego elementu w odpowiednie miejsce, aby zbiór pozostał nadal uporządkowany.
Przedstawiamy algorytmy porządkowania dowolnej liczby elementów, którymi mogą być liczby, jak również elementy o bardziej złożonej postaci (takie jak słowa i daty). Porządkowanie, nazywane również często
Bardziej szczegółowoHurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU
Hurtownie danych Przetwarzanie zapytań. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Magazyny danych operacyjnych, źródła Centralna hurtownia danych Hurtownie
Bardziej szczegółowoPODSTAWY INFORMATYKI wykład 5.
PODSTAWY INFORMATYKI wykład 5. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutnicza w Krakowie WEAIiE,
Bardziej szczegółowoAlgorytmy i złożoności. Wykład 3. Listy jednokierunkowe
Algorytmy i złożoności Wykład 3. Listy jednokierunkowe Wstęp. Lista jednokierunkowa jest strukturą pozwalającą na pamiętanie danych w postaci uporzadkowanej, a także na bardzo szybkie wstawianie i usuwanie
Bardziej szczegółowoSystemy Wyszukiwania Informacji: Metoda list inwersyjnych
Systemy Wyszukiwania Informacji: Metoda list inwersyjnych dr agnieszka Nowak - Brzezi«ska Instytut Informatyki, Zakªad Systemów Informatycznych ul. Badzi«ska 39, Sosnowiec, Tel (+48 32) 368 97 65 e-mail:agnieszka.nowak@us.edu.al
Bardziej szczegółowoMateriały dla finalistów
Materiały dla finalistów Malachoviacus Informaticus 2016 11 kwietnia 2016 Wprowadzenie Poniższy dokument zawiera opisy zagadnień, które będą niezbędne do rozwiązania zadań w drugim etapie konkursu. Polecamy
Bardziej szczegółowoWstęp do programowania
Wstęp do programowania Algorytmy na tablicach Paweł Daniluk Wydział Fizyki Jesień 2013 P. Daniluk (Wydział Fizyki) WP w. III Jesień 2013 1 / 23 Dwadzieścia pytań Zasady 1 Osoba 1 wymyśla hasło z ustalonej
Bardziej szczegółowoZadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.
Sortowanie Dane wejściowe: ciąg n-liczb (kluczy) (a 1, a 2, a 3,..., a n 1, a n ) Dane wyjściowe: permutacja ciągu wejściowego (a 1, a 2, a 3,..., a n 1, a n) taka, że a 1 a 2 a 3... a n 1 a n. Będziemy
Bardziej szczegółowoSortowanie przez wstawianie Insertion Sort
Sortowanie przez wstawianie Insertion Sort Algorytm sortowania przez wstawianie można porównać do sposobu układania kart pobieranych z talii. Najpierw bierzemy pierwszą kartę. Następnie pobieramy kolejne,
Bardziej szczegółowoKlasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Bardziej szczegółowoJednym z najprostszych sposobów porządkowania jest technika stosowana przy sortowaniu listów:
Jednym z najprostszych sposobów porządkowania jest technika stosowana przy sortowaniu listów: Listy rozkładane są do różnych przegródek. O tym, do której z nich trafi koperta, decydują różne fragmenty
Bardziej szczegółowoTeraz bajty. Informatyka dla szkoły podstawowej. Klasa VI
1 Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI 1. Obliczenia w arkuszu kalkulacyjnym Rozwiązywanie problemów z wykorzystaniem aplikacji komputerowych obliczenia w arkuszu kalkulacyjnym wykonuje
Bardziej szczegółowoLuty 2001 Algorytmy (4) 2000/2001
Mając dany zbiór elementów, chcemy znaleźć w nim element największy (maksimum), bądź najmniejszy (minimum). We wszystkich naturalnych metodach znajdywania najmniejszego i największego elementu obecne jest
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoProgramowanie w języku C++ Agnieszka Nowak Brzezińska Laboratorium nr 2
Programowanie w języku C++ Agnieszka Nowak Brzezińska Laboratorium nr 2 1 program Kontynuujemy program który wczytuje dystans i ilości paliwa zużytego na trasie, ale z kontrolą danych. A więc jeśli coś
Bardziej szczegółowoWstęp do programowania
wykład 6 Agata Półrola Wydział Matematyki i Informatyki UŁ sem. zimowy 2017/2018 Losowanie liczb całkowitych Dostępne biblioteki Najprostsze losowanie liczb całkowitych można wykonać za pomocą funkcji
Bardziej szczegółowoCIĄGI wiadomości podstawowe
1 CIĄGI wiadomości podstawowe Jak głosi definicja ciąg liczbowy to funkcja, której dziedziną są liczby naturalne dodatnie (w zadaniach oznacza się to najczęściej n 1) a wartościami tej funkcji są wszystkie
Bardziej szczegółowoPodstawy Programowania 1 Sortowanie tablic jednowymiarowych. Plan. Sortowanie. Sortowanie Rodzaje sortowania. Notatki. Notatki. Notatki.
Podstawy Programowania 1 Sortowanie tablic jednowymiarowych Arkadiusz Chrobot Zakład Informatyki 12 listopada 20 1 / 35 Plan Sortowanie Wartość minimalna i maksymalna w posortowanej tablicy Zakończenie
Bardziej szczegółowoSYSTEMY WYSZUKIWANIA INFORMACJI
SYSTEMY WYSZUKIWANIA INFORMACJI Agnieszka Nowak- Brzezińska Zbiór zadań z rozwiązaniami Systemy Wyszukiwania Informacji by Agnieszka Nowak Brzezińska by Instytut Informatyki Uniwersytetu Śląskiego str.
Bardziej szczegółowoSystemy Wyszukiwania Informacji
Systemy Wyszukiwania Informacji METODA LIST PROSTYCH OPRACOWALI: Marcin Dzięgielewski Marcin Karwiński 1 INDEKS SŁOWO WSTĘPNE... 3 OPIS METODY, PRZYGOTOWANIE KARTOTEKI WYSZUKIWAWCZEJ... 4 JAK PRZEBIEGA
Bardziej szczegółowoWybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych
Wykład trzeci 1 Wybrane metody przybliżonego wyznaczania rozwiązań pierwiastków równań nieliniowych 2 Metody rozwiązywania równań nieliniowych = 0 jest unkcją rzeczywistą zmiennej rzeczywistej Rozwiązanie
Bardziej szczegółowoAlgorytmy sortujące i wyszukujące
Algorytmy sortujące i wyszukujące Zadaniem algorytmów sortujących jest ułożenie elementów danego zbioru w ściśle określonej kolejności. Najczęściej wykorzystywany jest porządek numeryczny lub leksykograficzny.
Bardziej szczegółowoSpis treści 377 379 WSTĘP... 9
Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...
Bardziej szczegółowoWYKŁAD 3 WYPEŁNIANIE OBSZARÓW. Plan wykładu: 1. Wypełnianie wieloboku
WYKŁ 3 WYPŁNINI OSZRÓW. Wypełnianie wieloboku Zasada parzystości: Prosta, która nie przechodzi przez wierzchołek przecina wielobok parzystą ilość razy. Plan wykładu: Wypełnianie wieloboku Wypełnianie konturu
Bardziej szczegółowoopisuje nazwy kolumn, wyrażenia arytmetyczne, funkcje nazwy tabel lub widoków warunek (wybieranie wierszy)
Zapytania SQL. Polecenie SELECT jest używane do pobierania danych z bazy danych (z tabel lub widoków). Struktura polecenia SELECT SELECT FROM WHERE opisuje nazwy kolumn, wyrażenia arytmetyczne, funkcje
Bardziej szczegółowoPojęcie systemu informacyjnego i informatycznego
BAZY DANYCH Pojęcie systemu informacyjnego i informatycznego DANE wszelkie liczby, fakty, pojęcia zarejestrowane w celu uzyskania wiedzy o realnym świecie. INFORMACJA - znaczenie przypisywane danym. SYSTEM
Bardziej szczegółowo1. Reguły minimalne (optymalne) Podstawowe twierdzenia i definicje. Definicja 1 Funkcję postaci f. nazwiemy n-argumentową funkcją boolowską.
1. Reguły minimalne (optymalne) Podstawowe twierdzenia i definicje Definicja 1 Funkcję postaci f n :{ 0, 1} { 0, 1} nazwiemy n-argumentową funkcją boolowską. Definicja 2 1 2 Term g = x 1 x x ( ϕ ) ( ϕ
Bardziej szczegółowoMinimalizacja form boolowskich
Sławomir Kulesza Technika cyfrowa Minimalizacja form boolowskich Wykład dla studentów III roku Informatyki Wersja 1.0, 05/10/2010 Minimalizacja form boolowskich Minimalizacja proces przekształcania form
Bardziej szczegółowodr inż. Jarosław Forenc
Informatyka 2 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr III, studia stacjonarne I stopnia Rok akademicki 2010/2011 Wykład nr 7 (24.01.2011) dr inż. Jarosław Forenc Rok akademicki
Bardziej szczegółowoĆwiczenie 3 z Podstaw programowania. Język C++, programy pisane w nieobiektowym stylu programowania. Zofia Kruczkiewicz
Ćwiczenie 3 z Podstaw programowania. Język C++, programy pisane w nieobiektowym stylu programowania Zofia Kruczkiewicz Zakres Podstawowe algorytmy przetwarzania tablic (wypełnianie, porównywanie elementów,
Bardziej szczegółowoWymagania edukacyjne z informatyki dla uczniów klas VI SP nr 53 w Krakowie w roku szkolnym 2019/2020
Prowadzący: Elwira Kukiełka Ewa Pawlak-Głuc 1 Opracowano na podstawie: 1. Podstawa programowa(dz.u. z 017r. poz. ) Rozporządzenie Ministra Edukacji Narodowej z dnia 1 lutego 017 r. w sprawie podstawy programowej
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - szeregowanie zadań. Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie
Optymalizacja harmonogramów budowlanych - szeregowanie zadań Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie Opis zagadnienia Zadania dotyczące szeregowania zadań należą do szerokiej
Bardziej szczegółowoAgnieszka Nowak Brzezińska Wykład III
Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe
Bardziej szczegółowoINFORMATYKA W ZARZĄDZANIU Arkusz kalkulacyjny MS EXCEL. Ćwiczenie 5 MS EXCEL. Zmiana rodzajów odwołania podczas kolejnych naciśnięć klawisza F4
Ćwiczenie 5 MS EXCEL 1. ODWOŁANIA WZGLĘDNE I BEZWZGLĘDNE Zmiana rodzajów odwołania podczas kolejnych naciśnięć klawisza F4 Odwołanie względne С6 Odwołanie złożone Bezwzględne odwołanie do kolumny i względne
Bardziej szczegółowoStruktury Danych i Złożoność Obliczeniowa
Struktury Danych i Złożoność Obliczeniowa Zajęcia 1 Podstawowe struktury danych Tablica Najprostsza metoda przechowywania serii danych, zalety: prostota, wady: musimy wiedzieć, ile elementów chcemy przechowywać
Bardziej szczegółowoINŻYNIERIA BEZPIECZEŃSTWA LABORATORIUM NR 2 ALGORYTM XOR ŁAMANIE ALGORYTMU XOR
INŻYNIERIA BEZPIECZEŃSTWA LABORATORIUM NR 2 ALGORYTM XOR ŁAMANIE ALGORYTMU XOR 1. Algorytm XOR Operacja XOR to inaczej alternatywa wykluczająca, oznaczona symbolem ^ w języku C i symbolem w matematyce.
Bardziej szczegółowoRozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I
Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Rozkład zgodny
Bardziej szczegółowoPodstawy programowania 2. Temat: Funkcje i procedury rekurencyjne. Przygotował: mgr inż. Tomasz Michno
Instrukcja laboratoryjna 6 Podstawy programowania 2 Temat: Funkcje i procedury rekurencyjne Przygotował: mgr inż. Tomasz Michno Wstęp teoretyczny Rekurencja (inaczej nazywana rekursją, ang. recursion)
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków
Bardziej szczegółowo. Podstawy Programowania 1. Sortowanie tablic jednowymiarowych. Arkadiusz Chrobot. 16 listopada 2016
Podstawy Programowania 1 Sortowanie tablic jednowymiarowych Arkadiusz Chrobot Zakład Informatyki listopada 20 1 / 35 Plan 1 Sortowanie 2 Sortowanie przez wybór 3 Sortowanie przez wstawianie Sortowanie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia
Bardziej szczegółowo3a. Wstęp: Elementarne równania i nierówności
3a. Wstęp: Elementarne równania i nierówności Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 Grzegorz Kosiorowski (Uniwersytet Ekonomiczny 3a. Wstęp: w Krakowie) Elementarne równania
Bardziej szczegółowoAlgorytmy i struktury danych. Wykład 6 Tablice rozproszone cz. 2
Algorytmy i struktury danych Wykład 6 Tablice rozproszone cz. 2 Na poprzednim wykładzie Wiele problemów wymaga dynamicznych zbiorów danych, na których można wykonywać operacje: wstawiania (Insert) szukania
Bardziej szczegółowoDeklaracja struktury w C++
Struktury to złożone typy danych pozwalające przechowywać różne informacje. Za pomocą struktur możliwe jest grupowanie wielu zmiennych o różnych typach w jeden obiekt. Strukturę można nazywać obiektem
Bardziej szczegółowo< K (2) = ( Adams, John ), P (2) = adres bloku 2 > < K (1) = ( Aaron, Ed ), P (1) = adres bloku 1 >
Typy indeksów Indeks jest zakładany na atrybucie relacji atrybucie indeksowym (ang. indexing field). Indeks zawiera wartości atrybutu indeksowego wraz ze wskaźnikami do wszystkich bloków dyskowych zawierających
Bardziej szczegółowoAlgorytmy przeszukiwania wzorca
Algorytmy i struktury danych Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Algorytmy przeszukiwania wzorca 1 Wstęp Algorytmy
Bardziej szczegółowoGrafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz
Grafy (3): drzewa Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków UTP Bydgoszcz 13 (Wykłady z matematyki dyskretnej) Grafy (3): drzewa 13 1 / 107 Drzewo Definicja. Drzewo to graf acykliczny
Bardziej szczegółowoJaką postać mają informacje w umyśle? Radosław Sterczyński
Jaką postać mają informacje w umyśle? Radosław Sterczyński 1 Rozmaitą! 2 Kryteria systematyki Aktywność Kod Rodzaj treści Forma organizacji 3 Aktywność informacji 4 Aktywność pamięci większość informacji
Bardziej szczegółowoTemat 20. Techniki algorytmiczne
Realizacja podstawy programowej 5. 1) wyjaśnia pojęcie algorytmu, podaje odpowiednie przykłady algorytmów rozwiązywania różnych problemów; 2) formułuje ścisły opis prostej sytuacji problemowej, analizuje
Bardziej szczegółowoZadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie:
Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, 6 11 6 11, tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Uprośćmy najpierw liczby dane w treści zadania: 8 2, 2 2 2 2 2 2 6 11 6 11 6 11 26 11 6 11
Bardziej szczegółowoAlgorytmy sortowania w języku C. Autor: mgr inż. Sławomir Samolej. Zagadnienie 1. (Sortowanie)
emat zajęć: Algorytmy sortowania w języku C Autor: mgr inż. Sławomir Samolej Zagadnienie 1. (Sortowanie) Kolejne zadania dotyczyć będą najprostszych w realizacji algorytmów sortowania. Algorytmy sortowania
Bardziej szczegółowoPodstawowe algorytmy i ich implementacje w C. Wykład 9
Wstęp do programowania 1 Podstawowe algorytmy i ich implementacje w C Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Element minimalny i maksymalny zbioru Element minimalny
Bardziej szczegółowoBioinformatyka. Ocena wiarygodności dopasowania sekwencji.
Bioinformatyka Ocena wiarygodności dopasowania sekwencji www.michalbereta.pl Załóżmy, że mamy dwie sekwencje, które chcemy dopasować i dodatkowo ocenić wiarygodność tego dopasowania. Interesujące nas pytanie
Bardziej szczegółowoFUNKCJA LINIOWA. Zadanie 1. (1 pkt) Na rysunku przedstawiony jest fragment wykresu pewnej funkcji liniowej y = ax + b.
FUNKCJA LINIOWA Zadanie 1. (1 pkt) Na rysunku przedstawiony jest fragment wykresu pewnej funkcji liniowej y = ax + b. Jakie znaki mają współczynniki a i b? R: Przedstawiona prosta, jest wykresem funkcji
Bardziej szczegółowoProjekt małej Bazy Danych.
Artykuł pobrano ze strony eioba.pl Projekt małej Bazy Danych. Przykałdowa baza danych dotycząca forum dyskusyjnego. Autor: Magister inżynier Ireneusz Łukasz Dzitkowski Wałcz, dnia: 08. 02. 2012r. Wszystkie
Bardziej szczegółowoInformatyka 1. Złożoność obliczeniowa
Informatyka 1 Wykład XI Złożoność obliczeniowa Robert Muszyński ZPCiR ICT PWr Zagadnienia: efektywność programów/algorytmów, sposoby zwiększania efektywności algorytmów, zasada 80 20, ocena efektywności
Bardziej szczegółowoPrzykładowe B+ drzewo
Przykładowe B+ drzewo 3 8 1 3 7 8 12 Jak obliczyć rząd indeksu p Dane: rozmiar klucza V, rozmiar wskaźnika do bloku P, rozmiar bloku B, liczba rekordów w indeksowanym pliku danych r i liczba bloków pliku
Bardziej szczegółowo; B = Wykonaj poniższe obliczenia: Mnożenia, transpozycje etc wykonuję programem i przepisuję wyniki. Mam nadzieję, że umiesz mnożyć macierze...
Tekst na niebiesko jest komentarzem lub treścią zadania. Zadanie. Dane są macierze: A D 0 ; E 0 0 0 ; B 0 5 ; C Wykonaj poniższe obliczenia: 0 4 5 Mnożenia, transpozycje etc wykonuję programem i przepisuję
Bardziej szczegółowoTablice z haszowaniem
Tablice z haszowaniem - efektywna metoda reprezentacji słowników (zbiorów dynamicznych, na których zdefiniowane są operacje Insert, Search i Delete) - jest uogólnieniem zwykłej tablicy - przyspiesza operacje
Bardziej szczegółowoLaboratorium 5: Tablice. Wyszukiwanie binarne
Wojciech Myszka Laboratorium 5: Tablice. Wyszukiwanie binarne 2016-05-07 09:02:17 +0200 1. Tablice Do tej pory nie było potrzeby odwoływać się do zmiennych złożonych. Programy były bardzo proste i korzystały
Bardziej szczegółowoPodstawy Programowania. Złożoność obliczeniowa
Podstawy Programowania Wykład X Złożoność obliczeniowa Robert Muszyński Katedra Cybernetyki i Robotyki, PWr Zagadnienia: efektywność programów/algorytmów, sposoby zwiększania efektywności algorytmów, zasada
Bardziej szczegółowoWymagania na poszczególne oceny szkolne dla klasy VI. (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej.
1 Wymagania na poszczególne oceny szkolne dla klasy VI (na podstawie Grażyny Koba, Teraz bajty. Informatyka dla szkoły podstawowej. Klasa VI ) 2 1. Obliczenia w arkuszu kalkulacyjnym słucha poleceń nauczyciela
Bardziej szczegółowoAgnieszka Nowak Brzezińska Wykład III
Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe
Bardziej szczegółowoO co chodzi z tym MATLAB'em?!
O co chodzi z tym MATLAB'em?! Część 1. SIMULINK W pliku data.mat jest zapisany przebieg. Gdzieś tam i kiedyś tam zarejestrowany. Widać go na fioletowo poniżej. Powstał on z obiektu, co ciekawe wiemy jak
Bardziej szczegółowoWykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania.
Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania. Przykładowa RBD o schematach relacji (tzw. płaska postać RBD): N(PRACOWNICY) = {ID_P, IMIĘ,
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych ĆWICZENIE 2 - WYBRANE ZŁOŻONE STRUKTURY DANYCH - (12.3.212) Prowadząca: dr hab. inż. Małgorzata Sterna Informatyka i3, poniedziałek godz. 11:45 Adam Matuszewski, nr 1655 Oliver
Bardziej szczegółowoRozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II
Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Rozkład wymagający
Bardziej szczegółowoPodstawy programowania III WYKŁAD 4
Podstawy programowania III WYKŁAD 4 Jan Kazimirski 1 Podstawy UML-a 2 UML UML Unified Modeling Language formalny język modelowania systemu informatycznego. Aktualna wersja 2.3 Stosuje paradygmat obiektowy.
Bardziej szczegółowoSYSTEMY OPERACYJNE WYKLAD 5 - zarządzanie pamięcią pomocniczą
Wrocław 2007 SYSTEMY OPERACYJNE WYKLAD 5 - zarządzanie pamięcią pomocniczą Paweł Skrobanek C-3, pok. 323 e-mail: pawel.skrobanek@pwr.wroc.pl www.equus.wroc.pl/studia.html 1 PLAN: 3. Struktura katalogowa
Bardziej szczegółowoWyszukiwanie binarne
Wyszukiwanie binarne Wyszukiwanie binarne to technika pozwalająca na przeszukanie jakiegoś posortowanego zbioru danych w czasie logarytmicznie zależnym od jego wielkości (co to dokładnie znaczy dowiecie
Bardziej szczegółowoMETODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. prof. dr hab.inż. Katarzyna Zakrzewska
METODY NUMERYCZNE Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą prof. dr hab.inż. Katarzyna Zakrzewska Met.Numer. Wykład 4 1 Rozwiązywanie równań nieliniowych z jedną niewiadomą
Bardziej szczegółowoFunkcje wyszukiwania i adresu PODAJ.POZYCJĘ
Funkcje wyszukiwania i adresu PODAJ.POZYCJĘ Mariusz Jankowski autor strony internetowej poświęconej Excelowi i programowaniu w VBA; Bogdan Gilarski właściciel firmy szkoleniowej Perfect And Practical;
Bardziej szczegółowoBazy danych wykład dwunasty. dwunasty Wykonywanie i optymalizacja zapytań SQL 1 / 36
Bazy danych wykład dwunasty Wykonywanie i optymalizacja zapytań SQL Konrad Zdanowski Uniwersytet Kardynała Stefana Wyszyńskiego, Warszawa dwunasty Wykonywanie i optymalizacja zapytań SQL 1 / 36 Model kosztów
Bardziej szczegółowoModelowanie hierarchicznych struktur w relacyjnych bazach danych
Modelowanie hierarchicznych struktur w relacyjnych bazach danych Wiktor Warmus (wiktorwarmus@gmail.com) Kamil Witecki (kamil@witecki.net.pl) 5 maja 2010 Motywacje Teoria relacyjnych baz danych Do czego
Bardziej szczegółowo