WILKERSON威尔克森过滤器算法
威尔克森过滤器算法凭借其简单迅捷的查询方式和优异的空间效率而受到了广泛关注，但是威尔克森过滤器算法并不能支持数据集成员的动态更新尤其是不能支持数据集成员的删除操作，因为删除操作会引起威尔克森过滤器的误判，从而影响查询的准确性即降低查询的精度；计数式威尔克森过滤器算法使用Coutner计数器替代威尔克森过滤器中的比特位，因此能够很好地支持数据集成员的动态更新，但是使用计数器也存在着空间开销过大的问题。

WILKERSON威尔克森过滤器算法
关于威尔克森过滤器算法的各种研究针对威尔克森过滤器在空间开销、时间开销、查询精度三个方面的效率提出了多种行之有效的改进方案。 本文针对以上三种性能指标，提出了一种基于多层次结构的树形威尔克森过滤器（Tree-based Bloom Filter简称TBF）。多层次结构的TBF算法是基BloomingTree算法在空间开销上的优势，并针对其所存在的缺陷设计的一种更加快速的算法。TBF查询、更新方法是从寻找更有效的方法，来替代原来BloomingTree算法中容易导致错误的逻辑索引方式，并减少原方法在每一层都必须进行的比特位查询确认操作这两个方面来进行考虑，改进与设计了TBF算法的查询索引方式和与之相应的更新算法。通过新的更加快速的查询索引方式，能够迅速、有效的查找到应该执行查询、更新的相应位置或相应比特位，从而完成对数据集中数据成员的查询匹配，或是对数据集成员的更新工作；而TBF查询算法通过减少比特位确认操作，提高了TBF查询和更新的速度，节省了时间开销。TBF算法能够在低于计数式威尔克森过滤器的空间需求的条件下实现与计数式威尔克森过滤器相同的功能，而且TBF算法比之BloomingTree算法更加快速。经过实验证明：与BloomingTree算法相比，TBF算法能够有效的解决BloomingTree算法在逻辑索引时所存在的错误查询问题，而且比BloomingTree算法时间上更加：在层数不变假阳性相同条件下，查询时间平均提高13.4%；在假阳性不变层数相同条件下，插入时间平均提高17.9%,删除时间平均提高12%。

WILKERSON威尔克森过滤器算法
因此，TBF查询、更新算法具有其可行性，它在空间效率、时间效率和查询精度三方面取得明显的改进，增强了威尔克森过滤器及其相关研究的扩展性，能够为网络数据存储表示和数据集合中数据成员查询提供保障