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

为了提高DyTrust模型信任评价的准确度,解决信任模型的粒度比较粗糙以及节点的个体经验对信任评价带来影响的问题,在DyTrust模型的基础上,通过对节点所提供的服务进行细化和引入经验因子的方法,提出了一种改进的信任评价算法.与DyTrust模型的比较和分析表明,改进后的模型精化了信任算法的粒度,提高了信任评价的准确度,体现了节点的个性化特性,在反馈可信度的算法方面有较大的改善,同时该反馈可信度算法具有较好的可扩展性

针对\基于排序变换的混沌图像置乱算法\一文提出的密码系统进行了安全性分析.在有限数字精度下,密钥空间小不足以抵抗唯密文攻击.在选择明文攻击或选择密文攻击下,置换地址码可以重现.在此基础上,结合Logistic混沌映射的反向迭代,提出了一个密钥恢复算法.理论和实验结果均表明,该密钥恢复算法是实际可行的.有限数字精度的限制和线性变换的弱点,是导致该密码系统不够安全的两个主要原因.最后讨论了五种可能采取的改进措施及其效果

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

针对多目标粒子群优化算法的研究进展进行综述。首先，回顾了多目标优化和粒子群算法等基本理论；其次，分析了多目标优化所涉及的难点问题；再次，从最优粒子选择策略，多样性保持机制，收敛性提高手段，多样性与收敛性平衡方法，迭代公式、参数、拓扑结构的改进方案5个方面综述了近年来的最新成果；最后，指出多目标粒子群算法有待进一步解决的问题及未来的研究方向

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

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

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

 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