一种基于计数型Bloom Filter的报文分类算法

实现网络报文的快速分类是保证网络服务质量的前提。通过使用bloom filter查询技术和“双并行”查找策略,设计实现了一种基于双并行查找的报文分类算法DPS（double parallel search）。算法通过修改计数型bloom filter的结构来实现对收到的数据报文进行分类规则的快速查询匹配。在规则的查询过程中,算法使用“双并行”查找策略来提高查询的速度。通过与一般的bloom filter算法相比较得出,DPS算法在保证分类速度的基础上,有效降低了时空复杂度和报文分类的错误率,通过实验验证了DPS算法的有效性。     

基于范围映射和定值映射的多域报文分类算法

报文分类技术为多种高级网络服务提供支持,受到越来越多的关注。文章在分析了RFC、HSM和无冲突哈希算法这3种算法之后,在RFC算法的基础上将HSM和无冲突哈希算法进行了融合,提出了一种基于范围映射和定值映射的多域报文分类算法,适用于报文的五维分类。该算法降低了RFC算法实现过程中的空间需求,有效平衡了时间复杂度和空间复杂度,并且理论上能够扩展支持128位的IPv6地址。     

城市交通乘车咨询算法

根据现有城市交通图的性质,提出了一种新的快速查找最优路径的算法．实验表明,这种算法降低了时间复杂度和空间复杂度．     

线性划分问题的一个改进算法

给定一个由n个非负数构成的序列X={x1, x2, …, xn}及正整数k≤n, 线性划分问题要求将该序列划分为不大于k段子序列,使得最小化各段子序列元素之和为最大值。目前已知该问题的最好算法是时间复杂度为O(kn2)和空间复杂度为O(kn)的动态规划算法。利用非负数序列的性质,给出一个快速改进算法,其时间复杂度为O(knlogn),空间复杂度为O(n)。     

一种基于后缀数组的多重复模式匹配算法

要在海量的信息中进行多重复模式的查找,应用一般的查找方法所需O（n2）的复杂度.为了提高模式查找算法的效率,提出了算法Epattern searcher H.该算法是采用能节省空间占用的后缀数组数据结构来实现,同时又运用过滤算法的思想而设计,从而提高算法的运行速度.这里针对英文小说高频词的查找对算法进行测试,可得到时间复杂度为O（n）实验结果.     

量子k-means算法

为提高经典k-means算法的计算效率,引入量子计算理论得到量子k-means算法。先将聚类数据和k个聚类中心制备成量子态,并行计算其相似度,接着利用相位估计算法将相似度信息保存到量子比特中,然后利用最小值查找量子算法查找最相似的聚类中心点。对比两种算法的复杂度可知,在一定条件下,相对经典算法而言,量子k-means算法的时间复杂度降低,空间复杂度得到指数级降低。     

圆形直方图Otsu迭代阈值分割算法

为了降低基于颜色空间H分量的圆形直方图阈值分割算法的复杂度,提高分割效果,基于高效圆形直方图Otsu法,将线性Otsu迭代算法扩展至圆上,提出圆形直方图Otsu法的线性均值迭代算法和线性均值嵌套式迭代算法.实验结果表明,所提的两个迭代算法在有效提取目标的同时降低了时间复杂度.     

LDecode：具有线性复杂度的GEP适应度评价算法

基因表达式编程(Gene Expression Programming,GEP)在处理复杂长基因时的空间、时间效率较低,为解决这一问题,提出并实现了具有线性复杂度的染色体适应度评价算法.分析了传统GEP算法中借助ET(Expression Tree)树进行染色体适应度评价的局限性;提出并实现了具有线性复杂度的染色体适应度评价算法LDecode算法;针对染色体长度、种群大小、测试数据集大小、进化代数等不同参数,对提出的染色体适应度评价算法进行了评价和分析.试验表明,提出的评价算法运行速度较传统基于ET树的GEP提高了4.5～5.1倍,时间、空间复杂度均为O(n).     

基于右移k ary消减的递归最大公因子算法

对于输入B和C,利用Sorenson的右移k ary消减（right shift k ary reduction）思想提出一种算法用于寻找整数x和y,使得x和y满足Bx－Cy在二进制表示下低比特位部分为0,利用该算法能够大规模降低循环次数,再结合模算法,提出递归最大公因子算法。递归最大公因子算法复杂度虽然对Knuth Schnhage算法的复杂度上没有提高,仍然是O(nlog2nloglogn),但是该算法相比于Knuth Schnhage算法实现简单,正确性分析和复杂度分析都比较容易。     

一种基于聚类思想的SVM多类分类方法

针对传统的基于决策树的支持向量机多类分类算法运算过程复杂、分类效率低的缺点,提出一种新的基于聚类思想的支持向量机分类方法.空间距离和聚类思想的引入,有效的提高了算法的分类效率.仿真试验表明,该方法在保持算法良好推广性的同时降低了算法的复杂度,从而提高了分类效率和分类速度.     

报文分类算法的设计与实现

报文分类是网络交换设备的基础操作之一.针对目前的报文分类算法主要为小规则集或低维的分类问题,提出了一种新的多维快速报文分类算法.该算法通过压缩、分割和索引操作,设计了压缩分割规则表和索引列表结构表这两类数据存储结构,能支持上万条多维分类规则,分类速度快、存储空间小、支持快速更新,适合于软硬件实现.     

基于模拟退火聚类的室内定位算法

针对大型室内场景下现有指纹定位算法运算复杂度高、定位精度低的问题,提出一种基于模拟退火聚类的室内定位算法。该算法采用模拟退火聚类的方法完成对指纹空间的聚类和划分,有效降低了指纹匹配所需的候选指纹数量,并消除了具有一定特征相似性的奇异点,从而降低了运算复杂度,提高了定位精度。实验结果表明,该算法可计算出定位环境下指纹空间的最优聚类数从而确保定位精度,较K 均值聚类定位算法和KNN算法定位精度高,且定位精度不受初始值影响。     

一种在相干信源下的快速DOA估计算法

针对利用信号的协方差特征值分解求取信号的波达方向计算复杂的问题,本文提出了一种基于传播算子方法的空间平滑技术波达方向估计算法。与传统的子空间方法相比,通过简单的线性分割变换来快速估计噪声子空间,避免了传统子空间算法中运算量极大的特征分解,从而降低了运算复杂度。空间平滑技术处理相干信号源具有良好的性能,通过使用双向空间平滑矩阵和它的共轭复数的区别,构造出广义的协方差阵,可以完全消除空间非均匀噪声。仿真结果证明,空间平滑技术与传播因子算法的结合,能够有效地保持平滑技术良好的性能,进一步降低运算复杂度。     

基于最大属性熵的GIDS报文分类算法

网络带宽的激增对网络入侵检测系统（NIDS）的检测速度提出越来越高的要求。分类算法作为一种有效降低数据包待匹配规则集的方法,其效率对后继检测算法影响重大。研究了适用于GIDS的经典分类算法Hicuts和针对它的修改升级算法Picuts,针对Picuts没有考虑报文域的特征对于分类树的影响的缺点提出了基于最大属性熵的分类树本地优化策略和新的分类树生成算法MaxFeatureEntropy。最大属性熵策略从理论上保证减小决策树高度。采用开源的snort1.8.7的规则集作为实验数据,结果表明：当每结点包含规则数阀值等于6时,其空间消耗只有Hicuts的10%,是Picuts的60%,速度上较之Hicuts提升了44.4%,较之Picuts提升了20%。     

流分类技术的研究

介绍了流分类算法的概念以及对流分类算法的要求;把目前存在的流分类算法分成三类:多维查找转换为一维查找算法、相关区域查找算法、独立区域查找算法,并对各类算法的性能进行了讨论;通过引入并行流分类算法说明了流分类算法的研究重点是减小存储空间和提高更新速度。     

一种用于物体姿态估计的快速Isomap降维算法

为了降低基于流形学习的物体姿态估计算法中数据降维算法的复杂度,提高算法的执行速度,提出了一种快速的Isomap算法.通过分析Isomap算法的执行过程发现,计算任意两点间的测地线距离是导致其计算复杂度高的原因之一.基于这一分析,首先假定在空间旋转角度相邻的两幅图像,降维后其对应的数据点在低维流形上也相邻,然后对Isomap算法中的测地线距离矩阵构造进行优化,优化后不再需要遍历所有数据点,可以大大降低算法的计算复杂度.实验结果表明:在保证算法效果的前提下与原算法相比,本算法提高了执行速度,且图像序列越长,速度提升越明显,当图像数量达到350幅时,降维所需时间为原来的13%.     

最小生成树算法的快速实现

给出一种基于向量合并的最小生成树算法 ,它的时间复杂度和空间复杂度分别为O(E)和O(max(E ,V) ) ,算法简洁、快速     

最值吸收算法解决矩阵连乘次序问题

通过分析矩阵序列乘法的特点,找到了一种新的算法一最小维数边界吸收算法,并将此算法分别与穷举搜索算法、动态规划算法的时间复杂度及空间复杂度进行分析比较．可以看出,动态规划算法的时间复杂度为O（n^3）,空间复杂度为O（n^2）,而本算法的时间复杂度和空间复杂度均为O（n）,并且不需要额外的空间开销．     

快速单边补偿逼近幂迭代子空间跟踪

针对子空间估计与跟踪问题,在快速逼近幂迭代子空间跟踪算法的基础上,得到了一种计算复杂度更低的快速子空间跟踪算法——快速单边补偿逼近幂迭代子空间跟踪算法.该算法采用与Badeau等人不同的逼近方式,简化了互相关矩阵的迭代计算,从而达到降低计算复杂度的目的.实验结果表明:该算法的最大主角性能远远优于PAST子空间跟踪算法,与FAPI和OPAST子空间跟踪算法相当;在正交误差度方面,其正交误差度优于FAPI子空间跟踪算法,远远优于PAST子空间跟踪算法.     

基于均值查找的快速中值滤波算法

针对传统中值滤波算法时间复杂度高、运行速度慢,难以满足大型图像数据实时处理的问题,提出了一种快速中值滤波算法,将确定中值元素的过程由排序运算转换为基于均值对集合的二分查找,算法不依赖于滤波窗口的形状以及相邻窗口的相关信息,有效提高了中值滤波的执行效率,使传统中值滤波算法的时间复杂度由O(nln n)下降至O(n).实验中,该算法应用于大型图像序列的滤波处理,其运算速度提高到传统中值滤波算法的3倍以上,并且算法运行时间仅随滤波窗口大小线性增长,可以满足大尺度滤波窗口对大型图像数据实时处理的需求,具有显著的实际应用价值.