介绍了增量决策树算法的基本原理,并从实例费用和信息熵费用两个角度出发,对增量决策树算法的复杂度进行分析。通过实例说明,增量决策树算法能够构造出与ID3算法形态基本相同的决策树

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法

第一章 数据结构和算法 第二章 数学预备知识 第三章 算法分析

提出了基于具有输入密钥的等差数列来构造一类n维广义Arnold变换矩阵的方法,并给出了构造变换矩阵和逆变换矩阵的计算算法,算法仅与密钥有关,其时间复杂度相当于n(n+1)/2次乘法运算.在图像置乱时用该矩阵作为变换矩阵,采取图像位置空间与色彩空间的多轮乘积型双置乱,算法具有周期长和算法完全公开等特点,可有效防止多种攻击,增强了系统的安全性.此外,通过逆变换对置乱图像进行恢复,无须计算变换矩阵的周期.实验结果表明,该置乱变换算法效率高,安全性强

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现

算法的概念 算法的特性 简单算法举例 算法的表示方法 结构化程序设计方法

针对多变量耦合系统,提出了一种新的广义预测解耦控制算法.通过广义预测误差权值自动调节以消除系统耦合引起的误差,从而降低系统的耦合影响,提高系统性能.该方法与常规的多变量广义预测控制算法相比,算法简单,计算量小.本文所设计的算法被应用到热轧带钢板形板厚控制系统中,仿真结果表明了该算法的有效性和正确性

介绍了一种基于多项式插值法的改进的亚像素细分算法及相应计算模板和公式,并对算法的误差进行了分析.本算法应用在经典Sobel算子基础上构造出的方向模板,对灰度图像进行处理,得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算,对目标边缘进行亚像素精确定位.实例说明本算法是可行的

针对已提出的灵敏度计算和自构形2种神经网络结构学习算法，提出2种改进的算法.实验证明改进的算法比原算法有更好的泛化能力

贪心算法的特点 贪心算法总是作出在当前来看是最好的选择 就是说,贪心算法并不从整体最优上来考虑 ,所作出的选择只是某种意义上的局部最优 选择