首页/论文/2002.08061

arXiv 2002.080612020-02-19cs.DS

小波树与小波矩阵构造的转换

Translating Between Wavelet Tree and Wavelet Matrix Construction

Patrick Dinklage

备注：: Paper originally submitted to and presented at the Prague Stringology Conference 2019

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

小波树（Grossi等人[SODA，2003]）和小波矩阵（Claude等人[Inf.Syst.，2015]）是具有许多应用的紧凑数据结构，例如文本索引或计算几何。通过继续Fischer等人最近的研究。[ALENEX，2018]，我们探索了这些高度相关的数据结构的相似性和差异，重点是它们的构造。我们开发了一种数据结构来修改小波树或矩阵的构造算法，以代替另一种。这种修改是有效的，因为它不会恶化任何已知的小波树或小波矩阵构造算法的渐近时间和空间要求。

英文摘要：

The wavelet tree (Grossi et al. [SODA, 2003]) and wavelet matrix (Claude et al. [Inf. Syst., 2015]) are compact data structures with many applications such as text indexing or computational geometry. By continuing the recent research of Fischer et al. [ALENEX, 2018], we explore the similarities and differences of these heavily related data structures with focus on their construction. We develop a data structure to modify construction algorithms for either the wavelet tree or matrix to construct instead the other. This modification is efficient, in that it does not worsen the asymptotic time and space requirements of any known wavelet tree or wavelet matrix construction algorithm.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

大字母表上的高效压缩小波树

Efficient Compressed Wavelet Trees over Large Alphabets

{ \em小波树}是一种灵活的数据结构，它允许在压缩空间内表示大小为$σ$的字母表上的符号序列$S[1,n]$，并支持对$S$的各种操作。当与$n$相比，$σ$是显著的时，当前小波树表示引起显著的空间或时间开销。在这篇文章中，我们介绍了{ \em小波矩阵}，这是一种大型字母表的替代表示，它保留了小波树的所有属性，但速度明显更快。我们还展示了如何小波矩阵可以被压缩到零阶熵的序列，而不牺牲，实际上提高，它的时间性能。我们的实验结果表明，小波矩阵优于所有的小波树变种沿空间/时间的折衷地图。

2014-05-06cs.DS

简单、快速、轻量的并行小波树构造

Simple, Fast and Lightweight Parallel Wavelet Tree Construction

小波树（Grossi等人[SODA，2003]）和小波矩阵（Claude等人[Inf. Syst.，47：15- 32，2015]）是用于字母表$[0,σ)$上的文本的紧凑索引，其支持在$O(\lg σ)$时间内的排名、选择和访问查询。首先，我们提出了新的实用的小波树构造的顺序和并行算法。它们的统一特征是它们自底向上构造小波树，即，他们首先计算最后一级。我们还表明，这种自下而上的建设可以很容易地适应小波矩阵。在实践中，我们最好的顺序算法的速度是目前最快的顺序小波树构造算法（Shun [DCC，2015]）的两倍，同时节省了2倍的空间。这可扩展到32个核心，我们的速度与目前最快的并行小波树构造算法（Labeit et al. [DCC，2016]）相当，但仍然只使用了大约75%的空间。一个额外的理论结果表明，如何适应任何小波树构造算法的小波矩阵在相同的（渐近）时间，只使用很少的额外空间。

2017-11-10cs.DS

多核结构上小波树的并行构造

Parallel Construction of Wavelet Trees on Multicore Architectures

小波树已经成为一种非常有用的数据结构，可以有效地表示和查询从生物信息学到地理信息系统等许多不同领域的大量数据。小波树的一个问题是它们的构造时间。在本文中，我们介绍了两个算法，降低时间复杂度的小波树的建设，利用目前普遍存在的多核机器。我们的第一个算法在$O(n)$时间和工作空间的$O(n\lgσ+ σ\lg n)$位并行构造小波的所有级别，其中$n$是输入序列的大小，$σ$是字母表的大小。我们的第二个算法以域分解的方式构造小波树，在每个段中使用我们的第一个算法，达到$O(\lg n)$时间和额外空间的$O(n\lgσ+ pσ\lg n/\lgσ)$位，其中$p$是可用核的数量。这两种算法都是实用的，并报告良好的加速为大型真实数据集。

2016-10-19cs.DS

范围分位数的改进：小波树的另一个优点

Range Quantile Queries: Another Virtue of Wavelet Trees

我们展示了如何使用平衡小波树作为一个数据结构，存储一个数字列表，并支持高效的{ \em范围分位数查询}。范围分位数查询获取子列表的排名和端点，并返回该子列表中具有该排名的数字。例如，如果秩是子列表长度的一半，则查询返回子列表的中位数。我们还展示了如何使用这些查询来支持空间高效的{ \em彩色范围报告}和{ \em文档列表}。

2010-04-07cs.DS

小波树的GPU实现

GPU Implementation of the Wavelet Tree

本文提出小波树的GPU实现及并行构建算法，在可比存储开销下将rank和select查询吞吐量提升至少10倍，整体查询性能比SDSL快至少2倍。

2025-05-06cs.DS

小波森林再探

Wavelet Forests Revisited

Department of Computer Science, Stony Brook University（石溪大学计算机科学系）

本文研究了基于固定块压缩增强技术的小波森林结构，扩展其支持选择查询能力，并验证其在不同输入下的高效性。

2026-04-13cs.DS

更多相关论文收起更多论文

更快的小波树查询

Faster Wavelet Tree Queries

针对非二进制字母表文本的rank和select查询，本文通过将小波树改为四叉树、结合预测模型预取数据减少缓存未命中，使查询速度较SDSL实现提升2至3倍。

2023-11-08cs.DS

小波树与后缀树

Wavelet Trees Meet Suffix Trees

我们提出了一种改进的小波树构造算法，并讨论了它的应用程序的整数键和字符串的排名/选择问题。给定一个长度为n的字符串，在一个大小为$σ\leq n$的字母表上，我们的方法在$O(n \log σ/ \sqrt{\log{n}})$时间内构建小波树，通过$\sqrt{\log n}$的因子改进了最先进的算法。因此，给定n个整数的数组，我们可以在$O(n \sqrt{\log n})$时间内构造一个由$O(n)$机器字组成的数据结构，并且能够在$O(\log n / \log \log n)$时间内回答数组子范围的秩/选择查询。这是一个$\log \log n$ -因素的改善，在查询时间相比，陈和Ptragarcu和一个$\sqrt{\log n}$ -因素的改善，在建设时间相比，Brodal等人。接下来，我们切换到字符串上下文，并提出了一个新的概念，小波后缀树。对于长度为n的字符串w，该数据结构占用$O(n)$字，花费$O(n \sqrt{\log n})$时间来构造，并且同时捕获w的子字符串的组合结构，同时实现有效的自顶向下遍历和二分搜索。特别地，使用小波后缀树，我们能够在$O(\log |x|)$时间内回答以下两个自然类似的子串后缀的排名/选择查询：对于w的子串x和y，计算x的后缀在字典上小于y的数量，并且对于w的子串x和整数k，找到x的第k个字典上最小的后缀。我们进一步表明，小波…

2015-05-15cs.DS

小波树新算法及其在信息检索中的应用

New Algorithms on Wavelet Trees and Applications to Information Retrieval

小波树广泛应用于序列、排列、文本集合、二元关系、离散点和其他简洁的数据结构的表示。然而，我们表明，这仍然没有充分利用这种通用的数据结构的所有优点。特别是，我们将展示如何使用小波树来解决基本的算法问题，如{ \em范围分位数}查询，{ \em范围下一个值}查询，和{ \em范围交叉}查询。我们探讨这些查询在信息检索，特别是{ \em文档检索}在层次和时间的文件，并在表示{ \em倒排列表}的几个应用。

2010-11-19cs.DScs.IR

并行小波树构造

Parallel Wavelet Tree Construction

我们提出了并行算法的小波树建设与多对数深度，改进Fuentes-Sepulveda等人最近的并行算法的线性深度。我们实验表明，在一个40核的机器上，双向超线程，我们优于现有的并行算法的1.3- 5.6倍，并实现高达27倍的加速比在各种现实世界和人工输入的顺序算法。随着线程数、输入大小和字母表大小的增加，我们的算法表现出良好的可扩展性。我们还讨论了标准小波树的变体的扩展。

2015-04-01cs.DCcs.DS

数据流小波变换编码的近似算法

Approximation algorithms for wavelet transform coding of data streams

本文讨论的问题，找到一个B项小波表示的离散函数$f \in \real^n$，其距离f是最小的。当我们寻求最小化f和它的表示之间的欧几里得距离时，这个问题很容易理解。本文给出了在各种紧支集小波基下寻找最小化广义$\ell_p$距离（包括$\ell_\infty$）的可证明近似表示的第一个已知算法。对于Haar基，给出了一个多项式时间近似方案.这些算法适用于一次通过的子线性空间数据流计算模型。它们自然地推广到多维和加权范数。一个普遍的表示，提供了一个可证明的近似保证下，所有的p-范数同时和第一个近似算法的比特预算版本的问题，称为自适应量化，也提出。此外，它表明，这里提出的算法可以用来选择一个基础从树结构的字典的基地，并找到一个B-项表示的给定函数，可证明近似其最佳字典的基础表示。

2007-07-22cs.DS

最优骨架Huffman树再探

Optimal Skeleton Huffman Trees Revisited

一个骨架霍夫曼树是一个霍夫曼树，其中所有不相交的最大完美子树都收缩成叶子。骨架霍夫曼树，除了节省存储空间，也用于更快的解码和加速霍夫曼形小波树。在2017年，Klein等人引入了一种最优骨架树：对于给定的符号频率，它在所有具有收缩完美子树的最优无前缀代码树（不一定是霍夫曼代码树）中具有最少的节点数。Klein等人描述了一种简单的算法，对于固定的码字长度，找到具有最少节点数的骨架树;使用该算法，可以处理每组最优码字长度以找到最优骨架树。然而，在最坏的情况下，这样的集合是指数级的。我们描述了一个$O(n^2\log n)$时间算法，给定$n$符号频率，构造一个最佳的骨架树和相应的最佳代码。

2020-03-24cs.DS

在线计算Lempel-Ziv分解

Computing Lempel-Ziv Factorization Online

我们提出了一个算法，计算Lempel-Ziv因式分解的一个字$W$的长度$n$上的一个字母表$Σ$的大小$σ$在线在以下意义上：它读取$W$从左边开始，并在读取每个$r = O(\log_σ n)$字符的$W$，更新Lempel-Ziv因式分解。该算法需要$O(n \log σ)$位空间和O（n \log^2 n）时间。该算法的基础是一个稀疏后缀树结合小波树。

2012-11-30cs.DS

迈向全动态全向树：基于小波的矩守恒各向异性压缩

Towards Fully Dynamic Omnitrees: Moment-Conserving Anisotropic Compression With Wavelets

RIKEN Center for Computational Science（理化学研究所计算科学中心）

研究为全向树编码定义新操作，拓展其功能至粗化以实现完全自适应压缩，展示其与小波自然整合，推导相关算法并应用于数据集，对比OpenVDB证明全向树在存储和处理上的潜力。

2026-07-07cs.CGcs.DScs.GR

小波Trie：在压缩空间中维护索引字符串序列

The Wavelet Trie: Maintaining an Indexed Sequence of Strings in Compressed Space

索引的字符串序列是用于存储字符串序列的数据结构，该字符串序列支持随机访问、搜索、范围计数和分析操作，用于精确匹配和前缀搜索。字符串序列是面向列的数据库、日志处理以及其他存储和查询任务的核心。在这些应用程序中，每个字符串可以出现多次，并且字符串在序列中的顺序是相关的。字符串的前缀结构也是相关的：在字符串中寻找共同的前缀以从序列中提取有趣的特征。此外，空间效率是非常可取的，因为它直接转化为更高的性能，因为更多的数据可以容纳在快速内存中。我们介绍和研究的问题，压缩索引序列的字符串，表示索引序列的字符串在接近最佳的压缩空间，无论是在静态和动态设置，同时保持可证明的良好性能的支持操作。我们提出了一种新的数据结构，小波Trie，它结合了经典的Patricia Trie与小波树，一个简洁的数据结构存储压缩序列。由此产生的小波Trie平滑地适应随时间变化的字符串序列。它通过支持动态字母表（即不同字符串的集合）和前缀查询（这两者在上述应用中都是至关重要的要求）来改进最先进的压缩数据结构，并且通过将空间占用减少到接近序列的熵来改进传统索引。

2012-04-16cs.DBcs.DS

路径查询数据结构的实践

Path Query Data Structures in Practice

我们进行实验研究的数据结构，回答路径中位数，路径计数，并在加权树路径报告查询。这些查询问题推广了著名的范围中位数查询问题的数组，以及$2d$正交范围计数和报告问题的平面点集，树结构的数据。我们提出了最新的路径查询理论成果的实际实现。我们的数据结构，它使用树提取，重路径分解和小波树，实现在简洁和基于指针的形式。我们的简洁的数据结构被进一步专门化为普通或熵压缩。通过对大集合的实验，我们表明，简洁的数据结构的路径查询可能会提出一个可行的替代标准的基于指针的实现，在实际情况下。与通过显式遍历查询路径来计算答案的朴素方法相比，我们简洁的数据结构在路径中值查询中的速度要快几倍，并且在路径计数和路径报告查询中执行重复，同时空间效率要高几倍。我们的数据结构的基于普通指针的实现，需要比简单的多几倍的空间，产生$100$倍的速度。

2020-04-18cs.DS

使用HTM的线程安全动态范围最小-最大树的经验评估

Empirical Evaluation of a Thread-Safe Dynamic Range Min-Max Tree using HTM

简洁树，例如小波树和基于例如范围最小-最大树（RMMT）的简洁树，是存储接近于其信息理论空间下界的信息的实用数据结构族。这些结构通常是静态的;这意味着一旦它们被构建，节点就不能被添加、删除或修改。此只读属性简化了并发性。然而，这些数据结构的较新版本允许相当程度的动态性。几年前，使用硬件transmittance Memory（HTM）的并行编程已经在主流微处理器中可用。HTM的一个限制仍然是每个交易的大小。这就是为什么HTM的使用目前仅限于涉及很少需要原子更新的内存地址的操作，或者并发级别较低的操作。我们提供了一个并发的，动态的RMMT的基础上HTM的第一个可用的实现，我们比较经验如何以及HTM相比，一个天真的实现使用锁。我们已经证明，由于RMMT的形式属性，HTM非常适合将并发性添加到其他缓慢的基于锁的替代方案中。我们还表明，当写操作的数量增加时，HTM的性能优于锁，使其成为在几个写密集型上下文中使用的实用结构。据我们所知，这是使用HTM进行彻底测试的RMMT的唯一实际实现。

2016-03-18cs.DCcs.DS