1.1 为什么要学习数据结构 1.2 什么是数据结构 1.3 抽象数据类型 1.4 算法的特性及分类 1.5 算法的效率度量 1.6 数据结构的选择和评价

 1. 数据结构与算法的知识体系  2. 时间空间代价分析和权衡  3. KMP算法的灵活应用  4. Huffman树的灵活应用  5. 带返回值的二叉树递归算法  6. 二叉树与栈  7. 观察森林的角度  8. 树/森林和二叉树的顺序表示  题量大、覆盖面广，要全面复习、透彻理解、灵活应用、快速答卷

3.1 引言 3.2 直接计算DFT的问题及改进的途径 3.3 按时间抽取（DIT）的基2-FFT算法 3.4 按频率抽取（DIF）的基2-FFT算法 3.5 N为复合数的FFT算法 3.6 线性调频Z变换（Chirp-Z变换）算法 3.7 利用FFT分析时域连续信号频谱 3.8 FFT的其他应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

一、基本数据处理算法内容提要 二、消除糸统误差的算法、非线性校正 三、工程量的标度换。 四、诸如频谱估计、相关分析、复杂滤波等算法,阅读数字信号处理方面的文献

第一篇(C语言)程序设计基础 第二篇数据结构与非数值算法基础(含数据结构、算法设计与分析两个模块) 第三篇数值算法(计算方法)基础

基于面向汽车行业总装生产线平衡问题的研究,提出了一种包含模拟退火因子的改进的遗传算法,设计了加速收敛因子模型以确保在有限种群空间中的快速收敛;同时考虑了更多工程现场实际约束来修正传统的约束模型.新算法模型应用在混流装配生产线平衡分析中,取得了算法快速收敛和分析结果与实际工程一致的结果

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

针对实际决策表中对象动态变化的情况,首先引入简化决策表概念,剔除决策表中大量重复的对象,并构造了基于正区域的简化矩阵,有效地缩小了算法的搜索空间;然后从理论上阐述了基于简化矩阵的属性约简和基于矩阵的属性约简的一致性,并仅需扫描一遍简化矩阵便可求解出属性约简;最后在原属性约简的基础上,提出一种快速的动态属性约简矩阵算法.通过算例分析和实验对比验证了算法的有效性和可行性

针对二维热传导问题,提出了时间为三阶、空间为二阶的无条件稳定的ETF-FDS-MG算法(Extended Trapezoidal Formula Finite Difference Scheme Multigrid),分析了其精度和稳定性,证明了其收敛性.数值分析实例说明ETF-FDS-MG算法的计算效率优于前人的FE-MG(有限元-多重网格)算法