具有对称结构的FFT算法

利用离散付里叶变换的对称性质,本文提出了一种使FFT流图具有称性质的FFT算法,该算法的实现流图中输入和输出序列均为自然排列顺序,其流图表达简明。该算法的矩阵表达式比基-2FFT的矩阵表达式更为简明,并减少一倍的矩阵形式.在某些特殊场合下.可以使指令形式大为减少。     

一种联机手写算术表达式识别系统

该文介绍了一个完整的联机手写算术表达式识别系统。在笔划分组与符号识别方面,采用预处理结合搜索的方法优化置信度函数;在结构分析方面,提出了一套全新的基于符号分级的算法,并利用三叉树这种数据结构存储识别结果。实验表明,对于书写较为整齐的算术表达式,此系统能够对较复杂的结构予以正确率较高的分析与识别。     

模拟自然树生长的竞争算法及在曲线拟合中的应用

 利用自然树生长过程中生长、凋落矛盾统一的原理,建立了自然树生长的竞争模型,提出了模拟自然树生长的竞争算法.为验证算法的合理性和有效性,将其应用于复杂曲线的拟合,与标准遗传算法进行对比,该算法具有运行速度快、内存占用率低、拟合精确度高.与经典的最小二乘法进行对比,该算法内存占有率低且具有抗噪特性.该算法为优化设计和计算提供了一种新的思路.     

基于可控随机变换的分形树生成算法及实现

分形树的生成算法是自然景物模拟中的热点问题,针对目前生成算法中的运行显示速度慢,树形变化少,颜色单一等问题,提出了一种可控随机交换的分形树生成算法.该算法对分形树的生成参数进行随机控制.给出了该算法的核心思想及实现过程,仿真实验得到了较好的生成显示速度及多姿态、多色彩的具有三维真实感的分形树.算法具有一定的通用性并可为其他自然景物的模拟提供较高的研究参考价值.     

基于动态检测与静态分析的自动评分方法研究

为了给C语言编程题进行合理评分,本文提出了一种新型的自动评分方法,在动态检测阶段先利用KMP算法执行关键字匹配,若匹配相似度落入预期值区间,则将学生源程序转换为可执行文件,通过预先设置的测试用例来驱动评分;若关键字匹配未通过、程序无法运行或者运行期间出现异常,则执行静态分析.静态分析阶段选取控制结构作为静态评分的关键因素,采用抽象语法树作为源代码的中间转换形式,并对其标准化以消除代码语义的多样性;根据抽象语法树中的结点类型提取出控制结构子树;最后,利用基于结点权值的树编辑距离算法来匹配标准化后的学生源程序与模板程序的控制结构子树,计算相似度并给出综合评分结果.实验结果表明,该方法能够对程序进行合理有效地评分,并且具有较高的准确率.     

一种优化GCC抽象语法树的方法

由于GCC抽象语法树包含许多有助于编译的细节信息,提出一种优化抽象语法树结构关系的方法,消除冗余结点。通过实验证明了算法的正确性和适用性。     

一种新的物理网络拓扑发现算法

该文提出了一种新的物理网络拓扑发现算法。该算法的基本思想是采用树的形式表示交换机拓扑连接关系。在此理论基础上利用生成树集合演绎树的变化过程来完成拓扑发现,并结合一种典型的交换机连接关系进行了算法推导。理论分析和实际应用结果表明,这种新的拓扑发现算法在发现效率、准确性、有效性等方面都有了很大程度的提高。     

混合图的有向k树多项式的产生和状态空间树

引入了混合图G的有向K树多项式P(t_(F_1),……F_K)的状态空间树T的概念和算法SSTDKTP。提出了用分支-定界法产生P(t_(F_1),……,F_K)的一个新算法——算法DKTPCG。该算法简单,所得表达式十分紧凑。计算时间复杂度是O(men_l);空间复杂度对于堆栈是O[(n-k)(ke+n)],对于输出数组XE,YE,FL和NS是O(n_(df)),这里n_l和n_(df)分别是T的叶点和状态节点的数目。     

DBSCAN算法中核心点的矩阵分类新方法

提出一种基于矩阵的DBSCAN算法中核心点分类的新方法,说明该方法相比较R*-树具有较好的数学表述形式,仿真实验证明该方法较原DBSCAN算法,当数据量不大时具有较好的时效性。     

不确定型模糊Kripke结构的计算树逻辑模型检测

本文研究了不确定型模糊Kripke结构的计算树逻辑的模型检测问题,并说明了该问题可以在对数多形式时间内解决.首先给出了不确定型模糊Kripke结构的定义,引入了模糊计算树逻辑的语法和语义.为了刻画存在量词∃和任意量词∀在不确定型模糊Kripke结构中的两种语义解释,在模糊计算树逻辑语法中引入了路径量词∃_sup,∃_inf和∀_sup,∀_inf,分别用于替换存在量词∃和任意量词∀.其次讨论了基于不确定型模糊Kripke结构的计算树逻辑模型检测算法,特别地对于模糊计算树逻辑公式∃_suppUq,∀_suppUq,∃_infpUq和∀_infpUq分别给出时间复杂度为对数多项式时间的改进算法.     

Interworking technology of neural network and data among deep learning frameworks

Based on the growing demand for neural network technologies, various neural network inference engines are being developed. However, each inference engine has its own neural network storage format. There is a growing demand for standardization to solve this problem. This study presents interworking techniques for ensuring the compatibility of neural networks and data among the various deep learning frameworks. The proposed technique standardizes the graphic expression grammar and learning data storage format using the Neural Network Exchange Format (NNEF) of Khronos. The proposed converter includes a lexical, syntax, and parser. This NNEF parser converts neural network information into a parsing tree and quantizes data. To validate the proposed system, we verified that MNIST is immediately executed by importing AlexNet's neural network and learned data. Therefore, this study contributes an efficient design technique for a converter that can execute a neural network and learned data in various frameworks regardless of the storage format of each framework.     

一种基于树形结构的Sql结果集向Json数据的转换算法

tree是web开发中比较常用的展示控件,用来显示信息的分级视图,具有层次分明,表意清晰的特点。因此许多web插件中都包含tree,例如ExtJS、JQuery UI和easy UI,它们有一个共同的特点就是数据格式都是json,并且由于树分层的特性使得json数据还会嵌套多层。而在关系型数据库中取出的sql结果集却往往不能友好地支持这种分层的json格式。本文根据具有树形结构的数据在数据库中存储的方式以及其与json数据之间的复杂映射关系,提出一种sql结果集到json数据的转换算法。     

一种基于知识树的推荐算法及其在移动电子商务上的应用

本文提出了一种有别于传统方法的、新颖的基于知识树的文档推荐算法,首先利用互联网资源构建基于词的知识树,然后运用EM算法不断用待分类的新文档自动更新知识树,使得词分类和文档分类结果同时达到最优,该算法不依赖于标注好的训练语料,是一种半监督的机器学习算法。在实际应用中,根据用户在移动互联网的互动行为,映射到知识树的相关分类,将同类的商品推荐给用户。在移动电子商务网络社区项目中,实验表明了该算法具有较高的执行效率,推荐结果的用户满意度约为83%。     

DXF文件中非均匀有理B样条曲线接口的研究

由于AutoCAD应用十分广泛,了解它的图形交换文件对于很多行业是很重要的,简要分析了DXF数据文件格式,深入研究了DXF文件中非均匀有理B样条曲线格式,并且给出了读取非均匀有理B样条的算法。     

Improved Ternary-tree Algorithm for Contention Resolution over Random Multi-access Channel

1　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｔｈｅｐａｓｔｔｈｉｒｔｙｙｅａｒｓ,ｒａｎｄｏｍａｃｃｅｓｓｔｅｃｈ ｎｉｑｕｅｓｈａｖｅｗｉｄｅｌｙｂｅｅｎａｐｐｌｉｅｄｉｎｓａｔｅｌｌｉｔｅｓｙｓｔｅｍｓ,ｇｒｏｕｎｄｒａｄｉｏｎｅｔｗｏｒｋｓ,ａｎｄｃｏｍｐｕｔｅｒａｎｄｃｏｍｍｕｎｉ ｃａｔｉｏｎｓｙｓｔｅｍｓ.ＴｈｅｏｒｉｇｉｎａｌｒａｎｄｏｍａｃｃｅｓｓｓｃｈｅｍｅｗａｓＡＬＯＨＡｓｙｓｔｅｍｗｈｉｃｈｗａｓｉｎｔｒｏｄｕｃｅｄｂｙＡｂｒａｍｓｏｎｉｎ 1 970 .Ｔｈｉｓｓｙｓｔｅｍｓｃｈｅｍｅｗａｓｓｉｍ…     

Selecting and switching: some advantages of diagrams over tablesand lists for presenting instructions

Instructions for operating a control panel were presented in five different formats: flowchart, logical tree, yes/no tree, decision table, and list. Subjects had to choose one out of eight buttons, depending on the settings of the control panel. The results show that the decision table resulted in more errors, and that both the decision table and the list took longer than the three other formats, which did not show mutual differences. It turned out that the subjects valued most the format they had been using, except for those who had worked with the list. It is suggested that the users' ease of orientation for a diagram's format, both during reading and after “switching” between equipment and instructional text, explains the differences between the formats     

商品价格数据的两种WEB挖掘算法比较

其他网络商店的商品实时价格是Web商店店主所关注的重要数据,Web数据挖掘使得这一需求变为现实.通过正则表达式算法与分词算法的比较研究,给出了基于正则表达式的商品价格抽取算法和基于分词的网站目录树抽取算法、HTML网页商品抽取算法与商品价格抽取算法.应用系统的实践表明,正则表达式算法的挖全率与正确率较低,而分词算法的挖全率与正确率都达到99%以上,完全满足应用需求,同时可以为商品的市场预测与分析提供依据.     

基于Key的XML连续查询算法

普遍认为，XML将会取代Html成为数据表示和数据交换的主流标准，由于在线信息变化频繁，XML文档变化检测成为Internet查询系统、搜索引擎以及连续查询系统的关键技术．先前的研究多着眼于有序模式的XML文档，而无需模式的通用比较已经被证明是NP问题，目前针对无需模式的最好算法复杂度为多项式时间．本文提出了基于Key的变化检测算法，能够高效地检测无序模式XML文档的变化，算法复杂度为O(nlogn)，n为文档结点数．     

Efficient universal lossless data compression algorithms based on agreedy sequential grammar transform. I. Without context models

A grammar transform is a transformation that converts any data sequence to be compressed into a grammar from which the original data sequence can be fully reconstructed. In a grammar-based code, a data sequence is first converted into a grammar by a grammar transform and then losslessly encoded. In this paper, a greedy grammar transform is first presented; this grammar transform constructs sequentially a sequence of irreducible grammars from which the original data sequence can be recovered incrementally. Based on this grammar transform, three universal lossless data compression algorithms, a sequential algorithm, an improved sequential algorithm, and a hierarchical algorithm, are then developed. These algorithms combine the power of arithmetic coding with that of string matching. It is shown that these algorithms are all universal in the sense that they can achieve asymptotically the entropy rate of any stationary, ergodic source. Moreover, it is proved that their worst case redundancies among all individual sequences of length n are upper-bounded by c log log n/log n, where c is a constant. Simulation results show that the proposed algorithms outperform the Unix Compress and Gzip algorithms, which are based on LZ78 and LZ77, respectively     

基于深度学习的语法纠错算法建模研究

基于基础seq2seq深度学习算法在语法纠错准确率和召回率方面存在的不足,提出了融合Attention机制和Transformer模块的改进型seq2seq语法纠错算法。通过引入Attention机制来记录decoder端和encoder端语言信息,提升信息完整性,采用beam-search和copy机制进行启发式搜索,缓解解空间对机器内存的消耗,利用Transformer模块进行自注意力机制的特征抽取,实现了语句向量数据的扩充并得到可解析上下文纠错。最后选择合适的语料库,对不同的语法纠错算法的准确率、召唤率和F 0.5数据语法纠错效果评价指标进行了比较,结果表明了文中改进的算法模型的有效性,提高了语法纠错的准确率和召回率。