利用矩阵搜索求所有最长公共子序列的算法

利用动态规划法求出二维数组的情况下,使用矩阵搜索的方法求出所有分支,从而求出所有最长公共子序列的算法．该算法将通常认为的指数量级的时间复杂度降低到了max{O（cmn）,O（ck）}．随后对此算法的正确性以及效率做了证明．     

基于多重序列所有公共子序列的启发式算法度量多图的相似度

提出了启发式A*算法度量任意多个图的相似度方法,该算法将多图表示多重序列,在多重序列的匹配点上计算多重序列的所有公共子序列数,得到的所有公共子序列数用来度量多图的相似度。该算法避免了在非匹配点上的冗余计算,最大化后缀序列的所有公共子序列数的启发函数值,将访问的节点限制在两个序列匹配的子集,减少了计算节点的个数。与现有度量图的相似度方法相比,该算法不仅可以度量任意多个图的相似度,而且计算过程简单,通过启发信息的引导能够快速地度量多图的相似度。     

求关键活动的一种快速算法

对于给出的以事件为结点，以活动为边的网络，文中用基于拓年排离的方法，求出无圈有向圈中每一点到终眯的最长路径和长度和起点到生一点的最长路径长度，从而求得所有的关键活动并且证明其计算复杂性为Ｏ（Ｅ），从阶数来说是最优的。     

一种变步长趋势子序列搜索算法

为了克服基于点距离的时间序列相似性搜索物理概念模糊和速度慢的缺点,提出时间序列的分段趋势序列(PTS)概念,并在此基础上提出一种变步长趋势子序列搜索算法.该算法基于时间序列分段线性表示理论,通过相似阈值和子序列间的趋势距离计算跳跃步长,从跳跃步长后开始的子序列进行下一次匹配,从而对全序列实现跳跃式搜索.理论分析和仿真结果表明,该算法对基于趋势表示的子序列搜索在时间和空间上都具有更优的性能,适用于时间序列的动态特征分析.     

一种挖掘相似子趋势的可变递增步长算法

通过引入趋势相似和趋势分布的概念，分析了趋势分布与趋势序列相似度之间的关系，发现趋势分布可排除掉满足一定的不相似条件的侯选子趋势，并且可采用“跳跃”的方式来进行相似子趋势的搜索，提出了在时间序列数据库中进行相似子趋势的数据挖掘的快速算法VISL.(variable incremental step length），对比于两个已有算法（一个具有与相似度阈值无关的运行时间，另一个在高相似度阈值下具有目前领域内最好的时间性能）进行了仿真数据集上的运行实验，在较长的序列长度及高相似度阈值的情况下，得到了较对比算法更优的时间性能。     

ISNN:一种基于密度的高效增量聚类算法

目的提高算法效率，减少磁盘访问次数，提出一种基于密度的高效增量聚类算法ISNN．方法将更新对象的空间进行划分，定义了基于该划分的最近邻居概念，在此基础上应用一种剪枝策略来确定受影响对象的集合，数据更新时，只需要对受影响对象集合进行处理．结果受影响对象集合远小于原数据集合，显著地提高了算法效率．结论实验表明。ISNN在效率和磁盘访问次数上都显著优于SNN算法．     

一种实序列FFT的新算法

针对实际工业应用中信号多为实数的特点，综合ＰＦＡ，ＣＦＡ，ＷＦＴＡ等算法的优点，提出了实数序列ＦＦＴ的一种新算法，该算法有更少的运算量。     

一种有效的增量BDPCA算法

对CCIPCA算法进行了详细分析,证明了其本质上是幂法的一种在线形式,而其统计有效性对应于数据采用指数窗加权时,参数的情况;然后根据幂法的特点调整了其初始值和权值的选取方法,降低了CCIPCA算法的运算量;并在此基础上给出了一种增量BDPCA算法。基于ORL人脸数据库和ATT人脸数据库的仿真结果验证了方法的有效性。     

一种序列模式的概念及挖掘算法

介绍了一种时间序列模式的形式和概念,讨论了其相关的挖掘算法,将时间序列模式既用于具有时间关系的购买行为的分析,以揭示购买行为后面一种序列关系信息,又用于其他有时间关联的事件分析,挖掘算法由以下几部分构成：建立频繁物品集,进行数据处理和转换,并生成修选子序列,通过验证后,得到长度为2,3,…的序列集合,从中选出独立最大序列即为所求,通过实例指出了该算法和传统的Aprioriall算法的不同之处。结果表明,这种序列模式在网络通信、气象分析等领域具有广阔的应用前景。     

产生m子序列的-种实用算法

在基于m序列形成同级m子序列的过程中,核心问题是判断两对共轭状态的连线在“圈”内是否相交.本文将“圈”中各状态和整数建立了映射关系,从而给每一对共轭状态一个编码,通过该编码可以系统地判断任意两对共轭状态的连线在圈内是否相交.利用这一方法,可以方便地统计出子序列的数目,并能编程实现所有子序列的输出.     

一种提高解大规模线性规划数值解精度的算法

文中基于对基阵采用ＬＵ分解方法的数值误差分析,提出一种能提高线性规划问题解的精度ＰＤ算法。该算法对线性规划问题的所有数据的量级予以调整,降低了ＬＵ分解的数值误差,从而提高了大规模线性规划问题解的精确度。此法对系数矩阵元素之间大小悬殊的线性规划问题十分有效。     

基于Java多线程实现所有顶点间最短路径的并行算法

提出了利用Java多线程来实现并行计算的构想，并以所有顶点对间的最短路径问题为例，对此构想进行了理论分析，最后通过实验证明了此构想的正确性．文中还依据Dijkstra算法的实现原理提出了一种新的所有顶点对间的并行算法，并且利用Java多线程技术对给出的并行算法进行了实现．     

快速计算浓缩立方体的方法

为了能够更快地生成浓缩立方体,提出了一种新的通过各个值的频率对格子的空间进行分解的MM-Cubing算法：用一种计数、排序算法和相关的数据结构来计算每一个值出现的频率,同时提供一种数据结构来方便主要值的选取和计算其子空间;选取主要值,聚会稠密的子空间,递归调用稀疏子空间.实验结果表明：MM-Cubing算法优于MinCube算法和SQCube算法.     

Forecasting increasing rate of power consumption based on immune genetic algorithm combined with neural network

Considering the factors affecting the increasing rate of power consumption, the BP neural network structure and the neural network forecasting model of the increasing rate of power consumption were established. Immune genetic algorithm was applied to optimizing the weight from input layer to hidden layer, from hidden layer to output layer, and the threshold value of neuron nodes in hidden and output layers. Finally, training the related data of the increasing rate of power consumption from 1980 to 2000 in China, a nonlinear network model between the increasing rate of power consumption and influencing factors was obtained. The model was adopted to forecasting the increasing rate of power consumption from 2001 to 2005, and the average absolute error ratio of forecasting results is 13.521 8%. Compared with the ordinary neural network optimized by genetic algorithm, the results show that this method has better forecasting accuracy and stability for forecasting the increasing rate of power consumption.     

计算线性分组码汉明距离的遗传算法

给出了计算线性分组码最小距离的遗传优化算法。该算法具有高速并行的运算速度和较强的启发式搜索能力,能较快地计算出分组码的最小距离。模拟计算表明,与模拟退火算法相比,遗传算法的计算性能更好。     

一种改进的BP网络快速算法

BP神经网络已广泛应用于许多领域,但标准BP算法收敛速度很慢.为了提高标准BP算法的收敛速度,提出一种基于LM数值优化算法,以双极性S型压缩函数为转移函数的改进BP算法.分析了双极性S型函数及LM算法与BP神经网络具体结合实现的方法,并给出了算法步骤.通过实例证明,改进后算法的收敛速度比其它BP算法快.     

对逐点比较法的改进算法

逐点比较法曾在图形设备和数控机床中被广泛采用,但由于它存在着插补速度慢,直线的光滑性差等缺点,后来被其他算法所取代．文中提出了一种改进的逐点比较法,对它存在的缺陷有较好的改进．简化了插补的判决公式,提高了插补速度,改善了线段的光滑度．     

一种迭代求解离散对数的Pohlig-Hellman算法

针对Pohlig-Hellman类算法中需要存储每一个基数下的同余数的不足,提出一种利用迭代法直接计算离散对数的方法。该方法不再需要对每一个基数下的同余数进行存储,节约了一定存储空间。同时,利用穷尽搜索法代替Shank算法的调用,时间复杂度有所降低。理论研究和数字分析表明,改进算法具有较好的计算能力。     

H.266/VVC分步全零块判决快速算法

为了减少编码计算复杂度,提出分步全零块判决快速算法. 基于硬决策量化公式推导固定阈值,判决出真全零块. 通过与变换块尺寸和量化参数（QP）相关的自适应阈值,判决出伪全零块. 通过提取出8个与量化结果密切相关的特征,基于全连接神经网络（FCNN）对剩余未判决的块进行最后判决. 实验结果表明,提出的分步全零块判决快速算法在Low Delay B和Random Access配置下,在性能平均损失分别仅为0.458%和0.575%的情况下,分别平均减少了7.382%和7.237%的编码复杂度.     

自适应交叉近似算法的核外计算方法

为解决矩量法在计算电大目标电磁特性时受计算机物理内存限制的问题,设计了一种核外自适应交叉近似算法．使用自适应交叉近似算法有效地压缩了阻抗矩阵,降低了所需存储空间和计算量;并结合核外技术,进一步节省了内存空间,提升了单台计算机的计算能力．通过算例检验了文中方法的准确性和有效性,结果表明：该方法有效地降低了求解电大目标雷达散射截面所需的内存和计算量,并且自适应交叉近似算法及核外计算不损失矩量法的计算精度．