Массив (тип данных)

Массив (в некоторых языках программирования также таблица, ряд, матрица) — структура данных, хранящая набор значений (элементов массива), идентифицируемых по индексу или набору индексов, принимающих целые (или приводимые к целым) значения из некоторого заданного непрерывного диапазона. Одномерный массив можно рассматривать как реализацию абстрактного типа данных — вектор.

Размерность массива — это количество индексов, необходимое для однозначной адресации элемента в рамках массива. По количеству используемых индексов массивы делятся на одномерные, двумерные, трёхмерные и т. д.

Форма или структура массива — сведения о количестве размерностей и размере (протяжённости) массива по каждой из размерностей; может быть представлена одномерным массивом.

Особенностью массива как структуры данных (в отличие, например, от связного списка) является константная вычислительная сложность доступа к элементу массива по индексу . Массив относится к структурам данных с произвольным доступом.

В простейшем случае массив имеет константную длину по всем размерностям и может хранить данные только одного, заданного при описании, типа. Ряд языков поддерживает также динамические массивы, длина которых может изменяться по ходу работы программы, и гетерогенные массивы, которые могут в разных элементах хранить данные различных типов.

Источник: Википедия

Упоминания в литературе

Обеспечиваемая технологией скорость поиска видеоинформации по индексированному массиву объёмом 5 Тбайт составляет 5-15 с при степени достоверности, соответствующей сертификату, выдаваемому подобным системам. Под «индексированным массивом» в данном случае понимается вышеупомянутый набор характерных кадров, 1 Мбайт которых соответствует примерно 6 Мбайтам исходного видеоматериала (но это соотношение ориентировочно и зависит от выбранного порога индексирования). В итоге образуются как бы два массива: проиндексированный (потому и «как бы», что он может быть не один – в зависимости от числа критериев индексации), которым, например, телекомпания оперирует при подготовке новостных и иных программ, и другой, состоящий из оригиналов видеоматериала. Типовая схема работы системы – на рис. 2.1.

Александр Барсуков, Кто есть кто в робототехнике. Выпуск I. Компоненты и решения для создания роботов и робототехнических систем, 2005

Одним из методов объективного оценивания возрастных градаций ледяного покрова является метод нейронных сетей (НС) (Bogdanov, 2005; Hara et al., 1994), широко применяемый при обработке данных дистанционного зондирования благодаря ряду преимуществ перед традиционно используемыми статистическими методами классификации. Нейросетевые алгоритмы показывают лучшие результаты при наличии спекл-шума в спутниковых радиолокационных данных. Обученные НС имеют более высокое быстродействие, что позволяет использовать их для обработки больших массивов информации. Это особенно важно при оперативной работе со спутниковыми изображениями с высоким пространственным разрешением. Наиболее сложной задачей является настройка (тренировка) НС с использованием обучающей выборки. При распознавании образов, где обучающая выборка может не охватывать всех возможных состояний данных, важнейшим свойством НС становится способность классифицировать вектора данных, которые не использовались при тренировке алгоритма, то есть способность к обобщению. Это свойство позволяет использовать нейронные сети как универсальный классификатор в задачах дистанционного зондирования.

Коллектив авторов, Океанография и морской лед, 2011

Массивы данных результатов обработки космических снимков ледниковых районов представляют собой комбинацию графической информации о снимке в формате hdf, созданных векторных слоев границ ледников в виде shape-файла и привязанной к ним атрибутивной базы данных в формате dbf. В базе данных содержится информация о координатной привязке ледника, его геометрических характеристиках, морфологии, режиме питания и ссылки на источники ее получения.

Коллектив авторов, Итоги МПГ 2007/08 и перспективы российских полярных исследований, 2013

Составление специализированных моделей основано на выделении слабого звена в системе «подземное сооружение – породный массив», т. е. на выявлении факторов, оказывающих решающее влияние на выбор технического решения. Для каждого конкретного подземного сооружения необходима своя, специфическая информация о строении массива, вмещающего это сооружение, о характере миграции подземных вод к объекту, о температурных и электромагнитных полях и т. п. Поэтому исходные модели анализируют применительно к конкретным задачам проектирования и формируют их в частные модели, на которых необходимые элементы массива горных пород и несущих конструкций подземного сооружения представлены в нужном виде и с достаточной детальностью.

Е. Ю. Куликова, Геомониторинг в городском подземном строительстве, 2016

Частотность поискового запроса позволяет с большой долей вероятности оценить, насколько велика конкуренция сайтов за высокие позиции в результатах поиска. Логика очень простая: чем популярнее запрос у пользователей, тем больше веб-мастеров хотят продвинуть сайт именно по этому запросу, а значит, конкуренция за пользователя выше. Поисковая система работает с большим массивом релевантных документов. Часто в таких случаях работает простое правило: чем больше ключевых слов содержится в тексте (с учётом допустимой плотности), тем более он релевантен.

О. И. Крохина, Первая книга SEO-копирайтера. Как написать текст для поисковых машин и пользователей, 2012

6) Недостающая информация. Четко указывается, какая именно дополнительная информация необходима для подтверждения окончательной гипотезы и принятия решения. Описанная структурная схема проведения аналитического исследования позволяет предоставить в распоряжение пользователя, принимающего решение, структурированный массив ценной информации, отражающей с определенной степенью достоверности сложившуюся ситуацию с обеспечением безопасности информационных ресурсов фирмы.

А. Артемов, Информационная безопасность, 2014

Кроме территориальных единиц в городах существуют неструктурированные территории – массивы застроенных однородных участков, не «прикрепленных» к какому-либо центру. Как правило, это довольно большие районы индивидуальной жилой застройки или промышленные площадки на периферии города (рис. 2.6).

Э. К. Трутнев, Градорегулирование в условиях рыночной экономики, 2009

США и страны Западной Европы накопили большие массивы снимков территории России. Военные фотографические съемки, проведенные США до 1972 г., в 1995 г. рассекречены. Они сделаны камерами серии КН (key hole – замочная скважина) с разрешением 1,5–12 м (КН-5–140 м.). Образцы этих снимков есть в Интернете по адресу: http://edcwww.cr.usgs.gov.

Коллектив авторов, Ландшафтное планирование с элементами инженерной биологии, 2006