一种面向入侵检测的Wu-Manber算法研究

模式匹配算法是入侵防御系统中检测引擎的核心算法,模式匹配算法的效率决定了入侵防御系统的性能。本文对模式匹配算法进行了研究,重点分析了多模式匹配算法Wu-Manber算法,并针对Wu-Manber算法存在的不足,提出了Wu-Manber算法的改进算法。     

生物地理学优化算法研究

对生物地理学优化算法(biogeography-based optimization,BBO)的研究现状进行了总结,并介绍了一些最新的研究进展。从BBO算法提出的背景出发,讨论了算法的主要思想、算法原理以及算法步骤。论述了该算法的研究进展,包括BBO算法的改进、算法的收敛性分析、BBO算法与其他算法的融合以及BBO算法在优化领域的典型应用,对BBO算法有待研究的问题做了总结。     

基于仿生学的优化算法及其在信号处理中的应用

仿生学优化算法是一类模仿生物行为和自然界现象的仿生算法,其目的是求解优化问题的全局最优解。本文首先介绍了各种仿生学优化算法的起源和基本原理,主要包括蚁群优化算法、粒子群优化算法、细菌觅食优化算法、蜂群优化算法、鱼群优化算法、萤火虫群优化算法、狼群优化算法、蝙蝠算法、鸡群优化算法、进化算法、免疫算法、克隆选择算法和小世界网络等。然后总结了仿生优化算法的研究现状,并给出了仿生优化算法在信号处理、图像处理、语音处理和通信网络等领域中的典型应用。最后,归纳了仿生学优化算法的特点,并对如何扩展其适用范围、探索新的仿生学优化算法提出了基本思路,对其发展进行了展望。     

一种综合改进的启发式BP神经网络研究

对BP算法的两种启发式改进算法:MOBP算法和VLBP算法进行了分析,通过结合两种算法,并实行批处理更新训练集、向量值归一化和初始参数随机化等,形成了MO-VLBP算法.并将MO-VLBP算法和基本BP算法、MOBP算法、VLBP算法,以及文献中的类似算法通过编程实践,进行了对比分析.结果表明,MO-VLBP算法具有较高的性能,而且可以通过改变部分参数很容易地转化为其它算法.     

Euclid算法及扩展在密码学中的研究和应用

信息安全是网络时代的焦点,密码技术是信息安全的核心,而算法是密码学的精髓。文中研究了基于因数分解的Euclid算法和扩展Euclid算法,包括算法的基本原理、算法流程及编程实现。分析了Euclid算法的算法复杂性,介绍了Eu-clid算法在RSA和Affine Cipher密码系统中的应用,最后指出了该算法存在的缺陷和算法需要改进的方向。     

改进的种群分类蚁群算法及其应用

提出了一种改进的种群分类蚁群算法,该算法在种群分类的基础上,引入了蚂蚁的知觉感觉特性等。该算法能明显的防止蚁群算法可能出现早熟的问题,从而解决了传统蚁群算法加速收敛与早熟、停滞现象的矛盾。为了说明该算法的性能,将该算法应用到聚类分析算法中,设计了算法的模型以及算法步骤,并通过仿真实验证明了本算法的可行性和有效性。     

集成算法概述

随着人工智能的发展,机器学习也成为了当下研究的热点内容,集成算法作为常见的机器学习算法得到了重视。因此,分别介绍了集成学习算法中较为经典的装袋算法和增强算法,给出了相应的具体算法设计原理,并在性能方面简单比较了这两种算法。同时,介绍了这些算法的几种衍生算法的设计原理。     

哈希查找算法研究与实现

介绍了算法的基本概念和常见的查找算法,并重点研究哈希查找算法,对哈希算法的时间和空间复杂度做了分析,并和其他查找算法的性能做了对比,实现了哈希查找算法.     

Sunday字符串匹配算法的效率改进

字符串匹配算法一直是网络监测与审计方面的研究热点。介绍了几种经典的字符串匹配算法,提出了一种基于Sunday算法的改进算法RoSunday算法,该算法主要是在匹配开始前通过一个条件判断语句减少了无意义的匹配次数,提高了算法的执行速度。分析了改进后算法的性能,通过实验结果进一步证明了该算法的有效性。     

蚁群算法及在多目标优化中应用

蚁群算法是一种模拟蚂蚁行为的启发式优化算法,该算法应用于多领域的优化解析。阐述了蚁群算法的基本原理,并以人工蚁群为基础,深入剖析了基本蚁群算法和改进算法,总结了算法的优缺点及应用范围。介绍了蚁群算法在多目标优化中的应用,并总结了一般的实现方法和步骤。     

DES与RSA算法的分析与研究

在现代加密技术中,DES算法以其实现速度快、密钥简短等特点而应用比较广泛,然而DES算法密钥本身的安全性又是一个问题;而RSA算法较好地解决了DES算法的密钥难于保管的难题,但RSA算法公钥算法比较复杂,解密速度慢的缺点也客观存在.将二者结合起来,用DES算法加密数据,使用RSA算法来加密对DES算法的密钥,在当前网络传输数据应用中,不失为一种好的措施.     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

用改进蚁群算法求解函数优化问题*

提出将蚁群算法用于求解函数优化问题的新方法。使用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁觅食的方式,更新搜索路径上的信息素,按照转移概率来决定搜索方向,即通过信息素来指引搜索,最后搜索收敛于各个全局最优解。给出了基于此思想的具体算法,并通过计算示例仿真说明了该算法的有效性,表明该算法可以同时快速收敛发现多个全局最优解,并保持稳定。     

高校自动排课系统算法比较分析

课程表的编排是高校教务管理中最为重要和复杂的一项工作。通过对几种自动排课算法的合理比较。统筹分析出各自的优劣,得出贪婪算法的综合适用性是最优的结论。在此基础之上．进一步分析贪婪算法是如何逐步解决排课的现实问题,并给出基于贪婪算法的自动排课系统算法的具体实现过程。     

一种串匹配的快速Boyer-Moore算法

在对经典的Boyer-Moore和Quick Search串匹配算法进行分析的基础上,提出了一种更加快速的串匹配算法Quick Boyer-Moore（QBM）。QBM算法利用当前尝试中的已匹配子串、匹配失败字符信息以及与当前窗口下一个字符的位置信息,以在每一次跳跃中获得更大的跳跃距离,从而使算法具有更高的效率。在真实语料上的实验结果表明,QBM算法的效率较显著地高于原始的BM算法及其改进算法Impmved Boyer-Moore（IBM）。     

基于曲率图小波分解的平面曲线光顺方法*

将模拟退火遗传算法用于聚类分析，通过对聚类中心进行编码，定义适应度函数，选择、交叉、变异操作以及模拟退火算法的运用，给出了一种新的基于模拟退火遗传算法的聚类算法，实验结果显示该方法优于基本的遗传算法。     

全排列递归算法在算法教学中的重要性

全排列递归算法简洁,清晰,可读性强。针对该算法在递归算法的设计以及回溯法中的应用．讨论了全排列递归算法在算法教学中的重要作用。     

基于单模式匹配算法的研究

针对应用广泛的单模式匹配算法进行阐述:先分析最原始的BF算法,它会产生指针回溯;接着分析KMP算法,它避免了BF算法中的指针回溯;然后分析Snort系统中采用的BM模式匹配算法的基本思想,它对目标串进行跳跃式搜索;分析了BMH算法,它较BM算法性能上又有显著提高;最后对各种算法作了一个比较,并通过实验进行性能测试。     

一种基于模拟退火的自适应算法

针对常规BP算法收敛速度慢和易陷入局部极小的问题,文章提出了一种新的BP算法———SASSFBP算法。该算法根据训练中最近两个梯度的符号及其相对大小来动态地改变权步因子,提高了神经网络的收敛速度,并同时结合模拟退火算法来避免陷入局部极小。仿真实验结果表明:SASSFBP算法在收敛速度与运算精度,以及避免陷入局部极小的能力等方面均明显优于常规的BP算法。     

基于BP神经网络的改进算法研究

BP算法使用优化算法中的梯度下降法,梯度下降法的不足,使BP算法收敛速度慢,计算量比较大,且收敛速度与初始权的选择有关;学习时,无法保证可以得到最小值。BP的改进算法提出权值更新的快速收敛方法,使用MatLab对改进算法进行仿真,结果表明改进算法具有高效性和有效性。