基于平衡因子的AVL树设计实现

平衡二叉树又称AVL树,得名于它的发明者G．M．Adelson—Velsky和E．M．Landis。作为一种常用的数据结构,许多教科书都详细描述了实现的算法,但是基本都是根据不同树形LL、RR、LR、RL给出相应逻辑,而且都是直接给出结论。而文中则以平衡因子为出发点,揭示了不同树形的一致性算法,第一次以数学公式推演,论证了AVL插入和删除操作在不同树形情况下,哪个节点开始失去平衡,怎么平衡以及哪个节点平衡结束,并给出算法的完整实现代码,使AVL的实现一致、简单、易懂。     

C++堆上对象内存"按需分配"

内存分配已经是一个古老的话题,但是缺省的内存分配器由于对内存使用需求的缺失,尤其是在C++这个小对象繁多的环境,缺省的new操作符显得有些力不从心.文章从对内存使用需求入手,剖析内存需求不同时,不同的优化策略.并针对内存归还的时机和小对象这两种情况,结合new和delete操作符的特点给出了相应的优化算法,提升了内存分配和归还的效率,简化了对现有系统的性能优化.     

基于平衡因子的AVL树设计实现

平衡二叉树又称AVL树,得名于它的发明者G．M．Adelson—Velsky和E．M．Landis。作为一种常用的数据结构,许多教科书都详细描述了实现的算法,但是基本都是根据不同树形LL、RR、LR、RL给出相应逻辑,而且都是直接给出结论。而文中则以平衡因子为出发点,揭示了不同树形的一致性算法,第一次以数学公式推演,论证了AVL插入和删除操作在不同树形情况下,哪个节点开始失去平衡,怎么平衡以及哪个节点平衡结束,并给出算法的完整实现代码,使AVL的实现一致、简单、易懂。     

分段模型在解码假设检验中的应用

本文主要研究了分段模型(以参数轨迹模型为例)在解码假设检验中的应用。分段模型与传统的HMM相比,具有更加精确的建模能力。多年来人们一直致力于研究它对语音识别性能的提高,而忽视了其它方面的应用。本文提出了分段模型校验的方法,对HMM的识别结果进行二次处理,克服了传统方法在不同句子间不具有可比性的缺点,简单而有效;在此基础上,为了满足系统的特殊要求,训练Fisher分类器,选择分段模型而非HMM的N-Best信息作为特征输入,验证了分段模型得分作为可信度指标时的优秀区分能力。实验结果表明,在第一类错误率为5%的情况下,最好的第二类错误率可以降到25.265%。这体现了系统良好的拒识性能。