K-independent hashing

散列冲突的策略相比对于散列函数的质量更为敏感。当使用随机散列函数， 5-independent散列函数（英语：K-independent hashing）或tabulation散列函数（英语：Tabulation hashing），其用于搜索，插入或删除的预期时间是常数。不過，藉由其他像是私語雜湊的散列函數可以在實作中達到較好的結果。

independent）的或强通用（英语：universal hashing）的。例如，它们不能是三向独立（英语：k-independent hashing）的。 通常使用仅包含乘法和加法的滚动哈希函数来解释Rabin–Karp字符串搜索算法： H = c 1 a k − 1 + c 2 a k −

在计算机科学领域，最小哈希（或最小哈希式独立排列局部性敏感哈希（英语：locality sensitive hashing））方法是一种快速判断两个集合是否相似的技术。这种方法是由Andrei Broder （1997）,发明的，最初在AltaVista搜索引擎中用于在搜索结果中检测并消除重复Web页面。

k-匿名性（英語：k-anonymity）是匿名化数据的一种性质。如果一组公开的数据中，任何一个人的信息都不能和其他至少 k − 1 {\displaystyle k-1} 人区分开，则称该数据满足k-匿名性。k-匿名性的概念是由拉坦亚·斯威尼（英语：Latanya Arvette

HashTable class ALGOL_hashing; begin integer procedure hash(t); text t; begin …… end hash; end ALGOL_hashing; 作为子类的ALGOL_hashing类和以HashTable类为前缀的有前缀块，