高效字符匹配算法的研究

在分析BM算法以及它的衍生版本BMH、Sunday等算法的基础上,提出一种新的改进算法。改进算法有三个重要特点：（1）采用双字符启发策略,提高模式串最大移动位数及其概率,最大移动位数为n+2;（2）采用窗口动态分段方法,尽量减少字符匹配次数;（3）建立模式串中相同字符的位置链,充分利用启发字符,降低模式匹配的冗余度。实验结果表明,改进算法具有较高的匹配效率。     

一种改进的字符串多模式匹配算法

基于字符串匹配的检测方法是入侵检测系统中的一种重要方法。通过分析几种常见的字符串匹配算法（AC、AC_BMH、Sunday等）的基础,提出了一种对AC算法的改进,新算法每一次匹配不成功后都能跳过尽可能多的字符以进行下一轮匹配,使得匹配次数大大减少,从而提高了匹配效率。分析了该算法的性能,并用具体的实验数据给出了几种匹配算法的测试结果。     

基础矩阵估计的聚类分析算法

提出一种基于聚类分析的Robust基础矩阵估计算法．该算法用高斯混合模型描述匹配点估计余差,采用改进的分裂合并EM算法对匹配点估计余差进行聚类分析,根据分类结果及平均余差最小规则筛选出正确匹配点类别,抛弃错误匹配点;最后,用M估计算法对筛选出的正确匹配点进行迭代求精．大量实验结果表明,文中算法比随机抽样一致性算法的估计精度高,且计算效率高．     

一种改进的字符串匹配算法

基于字符串匹配的检测方法是入侵检测系统中的一种重要方法。在分析了几种常见的字符串匹配算法（BF、KMP、BM、Sunday等）的基础上，提出了一种改进的字符串匹配算法——sundayNcw。该算法使每一次匹配不成功后都能跳过尽可能多的字符以进行下一轮匹配，并且匹配次数大大减少，从而提高了匹配效率。最后，分析了该算法的性能，并用具体的实验数据给出了几种匹配算法的测试结果。     

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。     

基于仿真的可重入排队网络灵敏度分析

由马尔可夫链的Poisson方程推导了系统平均费用型品质指标对参数的导数公式,并给出了相应的估计算法。对可重入排队系统建立马尔可夫模型,通过仿真单个样本轨迹,应用给出的算法求出系统品质对参数的灵敏度,并分析了某些优先级调度策略的鲁棒性。仿真结果证明了该算法的实用性和有效性。     

基于坏字符序检测的快速模式匹配算法

提出一种基于坏字符序检测的快速模式匹配算法(BCSBM)。该算法利用相邻字符序列在模式串中不出现的概率较单字符高的特性,基于好字符和坏字符序表实现字符匹配过程的"跳跃"。BCSBM算法显著减少了匹配窗口内字符的匹配次数,同时增大了匹配窗口的平均移动距离。算法的实际测试效率较高,在文本或模式串相对较长的情况下该算法的效率提高明显。     

一种基于概率矩阵的快速运动估计算法

基于块匹配的运动向量估计算法已被多种国际视频编码标准所采用,但其计算复杂度一直是一个研究热点。为了提高运动向量估计算法的速度和精度,提出了一种新的基于概率矩阵的快速块匹配运动估计算法,该算法首先根据之前宏块的运动向量来估计当前宏块各可能的运动向量对应的概率值,以组成和搜索窗口同样大小的概率矩阵,然后依据概率大小限制搜索的次数,以平衡算法的速度和精度。仿真实验结果表明,和标准菱形搜索法相比,该算法在精度略有提高的同时,还有效地提高了搜索效率。     

基于随机泛函的免疫进化算法收敛性及性能分析

分析基于免疫响应原理的免疫进化算法流程和运行机制.根据免疫抗体群的状态转移过程,研究免疫进化算法的马尔科夫随机过程,并采用随机泛函分析算法的收敛性,突破传统马尔可夫链方法对解空间较大问题分析的局限性.根据免疫进化算法参数构成和抗体种群达到吸收态的转换特性,采用泛函理论论证算法收敛速度估计、时间复杂度计算和参数选择原则.通过实验总结影响免疫进化算法收敛性的关键因素,为解空间较大及高维优化问题的免疫进化算法收敛性和性能分析提供可行方法.     

基于Sunday算法的改良单模式匹配算法

Unicode编码的中文环境下应用Sunday算法时,如直接使用中文字符生成失效跳转表,将造成空间膨胀,而将中文字符拆分为两个字节进行处理,虽可以降低空间消耗,但匹配的执行速度又会受影响。针对Sunday算法应用于Unicode编码的字符拆分环境时所产生的时间性能降低问题,结合Unicode中文单元的内部关联性,优化了原Sunday算法的辅助跳转表与匹配规则,从而在解决Unicode下算法空间膨胀问题的同时,提升了Sunday算法在此环境下的时间性能,并利用模拟实验对改良算法的时间与空间性能进行了实验证明。     

一种基于马尔科夫网的本体匹配算法

概率模型是解决不确定性推理和数据分析的有效工具。针对本体匹配的不确定性,提出一种基于马尔科夫网的本体匹配改进算法。采用多种传统匹配算法计算相似度矩阵,改进相似度传播规则,添加2种结构稳定性约束规则和1种Disjoint一致性约束规则,定义其对应团的势函数。根据相似度矩阵和上述规则,给出马尔科夫网的构造方法,使用循环置信度传播算法计算随机变量的后验概率,依据后验概率得到最后的本体匹配结果。在OAEI2010数据集上进行实验,结果表明,与iMatch本体匹配系统相比,该算法能有效降低概率模型的复杂度,提高本体匹配的准确率和召回率。     

字符串模式匹配算法的改进研究

字符串模式匹配算法是入侵检测系统中的一种重要算法。通过对KMP算法和BM算法以及其他改进算法的分析,提出一种简单实用、易于理解的字符串匹配改进算法。实验表明该算法能减少模式匹配中字符的比较次数和尝试次数,提高模式匹配的效率。     

基于海量公交轨迹数据挖掘的地图匹配算法

针对现有地图匹配算法（如基于经典隐马尔可夫及其变体、先进算法等）对于低频轨迹数据匹配效果不甚理想的问题,提出一种基于海量公交历史轨迹数据的轨迹数据挖掘方法。首先,以公交站点为序列骨架,从大量低频轨迹中挖掘、提取轨迹点数据,进行重组、排序形成高质量高频轨迹数据序列;然后,将高质量高频轨迹数据序列应用基于经典隐马尔可夫模型地图匹配算法,得到公交路线地图匹配结果。与未经过挖掘算法处理的低频轨迹数据的匹配方法相比,所提方法在匹配误差上平均下降6.3%,匹配所需的数据规模、时间大幅缩减;且该方法对于低频、不稳定的噪声数据具有鲁棒性,适用于所有公交路线的地图匹配问题。     

字符串模式匹配算法的改进

字符串模式匹配算法是入侵检测系统中的一种重要算法.通过对两种著名的匹配算法KMP和BM算法以及现有的各种改进算法的分析,提出一种简单实用、易于理解的字符串匹配改进算法.该算法通过每次匹配失败时特殊位置上字符的启发来获得字符串向后移动的可能距离,这个距离由定义的一个统一函数求出,取其中的最大值作为字符串向后移动的实际距离.实验结果表明,该算法能减少模式匹配中字符的比较次数和尝试次数,提高模式匹配的效率.     

改进的Sunday模式匹配算法

在基于模式匹配的检测方法中,匹配效率是检测技术的瓶颈,间接影响入侵检测系统的实时性能。该文对4种模式匹配算法进行分析后,选择最优的Sunday算法进行改进。该算法进行匹配前先找到模式串中的特征字符（出现概率最小的字符）,进行特征字符与尾字符双重匹配,失败则移动尽可能远的距离。实验结果证明匹配效率比Sunday算法有一定的提高。     

Ad hoc网络中双向快速字符串匹配算法

网络入侵检测系统的原始AC算法采用单向匹配,由于样本数量增加使得比对时间延长,因此提出了一种高效的多模式匹配算法—双向快速字符串匹配算法,该算法采用有限自动机、正反双向匹配的方式,与单向匹配算法相比,提高入侵检测速度3倍左右。对该算法进行了性能分析,并将其与已有算法进行性能比较。仿真实验结果表明,提出的R} AC算法比其他算法有更好的优势,能够提高Ad hoc网络入侵检测的效率。     

Steady state analysis of level dependent quasi-birth-and-death processes with catastrophes

Quasi-birth-and-death processes, that is multi-dimensional Markov chains with block tridiagonal transition probability or generator matrices, are appropriate models for various types of queueing systems, amongst many other population dynamics. We consider continuous-time level dependent quasi-birth-and-death processes (LDQBDs) extended by catastrophes, which means that the transition rates are allowed to depend on the process level and additionally in each state the level component may drop to zero such that the generator matrix deviates from the block tridiagonal form in that the first block column is allowed to be completely occupied. A matrix analytic algorithm (MAA) for computing the stationary distribution of such processes is introduced that extends and generalizes similar algorithms for LDQBDs without catastrophes. The algorithm is applied in order to analyze M/M/c queues in random environment with catastrophes and state dependent rates. We present a detailed steady state analysis by computing the stationary distribution for different parameter sets, thereby focusing on the marginal probabilities of the level component which represents the number of customers. It turns out that the stationary marginal distribution is bimodal in the sense that it has two local modes that significantly depend on the specific parameters and rates. We also study the efficiency of our matrix analytic algorithm (MAA). Comparisons with standard solution algorithms for Markov chains demonstrate its superiority in terms of runtime and memory requirements.     

根据灰度值信息自适应窗口的半全局匹配

目的 立体匹配算法是立体视觉研究的关键点,算法的匹配精度和速度直接影响3维重建的效果。对于传统立体匹配算法来说,弱纹理区域、视差深度不连续区域和被遮挡区域的匹配精度依旧不理想,为此选择具有全局匹配算法和局部匹配算法部分优点、性能介于两种算法之间、且鲁棒性强的半全局立体匹配算法作为研究内容,提出自适应窗口与半全局立体匹配算法相结合的改进方向。方法 以通过AD（absolute difference）算法求匹配代价的半全局立体匹配算法为基础,首先改变算法匹配代价的计算方式,研究窗口大小对算法性能的影响,然后加入自适应窗口算法,研究自适应窗口对算法性能的影响,最后对改进算法进行算法性能评价与比较。结果 实验结果表明,匹配窗口的选择能够影响匹配算法性能、提高算法的适用范围,自适应窗口的加入能够提高算法匹配精度特别是深度不连续区域的匹配精度,并有效降低算法运行时间,对Cones测试图像集,改进的算法较改进前误匹配率在3个测试区域平均减少2.29%;对于所有测试图像集,算法运行时间较加入自适应窗口前平均减少28.5%。结论 加入自适应窗口的半全局立体匹配算法具有更优的算法性能,能够根据应用场景调节算法匹配精度和匹配速度。