樹(shù)結(jié)構(gòu)
- 一種改進(jìn)的圖像拼接技術(shù)及其在無(wú)人機(jī)病蟲(chóng)害檢測(cè)中的應(yīng)用*
基礎(chǔ)上引入四叉樹(shù)結(jié)構(gòu)，新算法可以使特征點(diǎn)分布均勻，圖像更好地融合(記為QT-ORB算法)，引入四叉樹(shù)前后流程對(duì)比如圖1所示.2.1 采用四叉樹(shù)結(jié)構(gòu)使ORB算法提取的特征點(diǎn)分布更均勻首先將圖像分為N個(gè)等分的區(qū)域(N為初始圖像的寬高比的四舍五入值)，N=round(width/height).將每個(gè)區(qū)域劃分為4個(gè)相等的子區(qū)域.在子區(qū)域內(nèi)檢測(cè)特征點(diǎn)并計(jì)算特征點(diǎn)描述子.如果子區(qū)域的特征點(diǎn)數(shù)大于設(shè)定的閾值，繼續(xù)劃分，否則停止劃分.直到提取的特征點(diǎn)達(dá)到期望值，劃分結(jié)束
- 知識(shí)樹(shù)結(jié)構(gòu)在小學(xué)作文教學(xué)中的運(yùn)用
校 陳婷婷知識(shí)樹(shù)結(jié)構(gòu)是一種搭建知識(shí)體系的重要學(xué)習(xí)方法，能幫助學(xué)習(xí)者將孤立的知識(shí)聯(lián)系起來(lái)，沿著思維的脈絡(luò)形成知識(shí)網(wǎng)絡(luò)，構(gòu)建知識(shí)體系。在小學(xué)作文教學(xué)中引入知識(shí)樹(shù)結(jié)構(gòu)能激發(fā)學(xué)生寫(xiě)作的興趣，提高學(xué)生寫(xiě)作學(xué)習(xí)的效率?；诖?，本文圍繞知識(shí)樹(shù)結(jié)構(gòu)在小學(xué)作文教學(xué)中的運(yùn)用進(jìn)行研究，結(jié)合教學(xué)實(shí)踐分析相關(guān)策略，并從確定作文立意、挖掘作文素材、優(yōu)化作文布局、總結(jié)寫(xiě)作經(jīng)驗(yàn)等方面給出建議，供同仁參考。知識(shí)樹(shù)結(jié)構(gòu)本質(zhì)上是“層級(jí)式知識(shí)圖”，展示了為實(shí)現(xiàn)某個(gè)組織目標(biāo)相關(guān)組織知識(shí)間的因果關(guān)系
作文成功之路·中考沖刺 2022年11期2023-01-21
- 樹(shù)結(jié)構(gòu)組套索人腦超網(wǎng)絡(luò)構(gòu)建與分類(lèi)
問(wèn)題，并引入了樹(shù)結(jié)構(gòu)組套索方法來(lái)改進(jìn)超網(wǎng)絡(luò)的構(gòu)建。為了增強(qiáng)組間差異表征能力，以準(zhǔn)確地發(fā)現(xiàn)生物標(biāo)志物以及疾病的病理機(jī)制，現(xiàn)提出利用樹(shù)結(jié)構(gòu)組套索方法構(gòu)建腦功能超網(wǎng)絡(luò)，力求創(chuàng)建更有效及更可靠的超網(wǎng)絡(luò)模型。該方法屬于層級(jí)樹(shù)結(jié)構(gòu)，包括根節(jié)點(diǎn)(所有腦區(qū))，中間節(jié)點(diǎn)(對(duì)腦區(qū)進(jìn)行分組)以及葉子節(jié)點(diǎn)(組中高度相關(guān)的一些腦區(qū))。既可以通過(guò)事先定義分組，也可以事先對(duì)每組進(jìn)行細(xì)劃，相當(dāng)于組級(jí)以及組間都采用了預(yù)設(shè)組進(jìn)行劃分，還可以解釋組間的覆蓋情況。主要工作包括：①利用樹(shù)結(jié)構(gòu)組套索
科學(xué)技術(shù)與工程 2022年27期2022-11-04
- 融合DOM樹(shù)結(jié)構(gòu)向量的行為類(lèi)別標(biāo)簽預(yù)測(cè)模型
Model)樹(shù)結(jié)構(gòu)，構(gòu)建了壓縮DOM樹(shù)結(jié)構(gòu)向量。在生成文本特征向量時(shí)，利用TF-IDF方法將每個(gè)詞向量賦予不同的權(quán)重。在生成DOM樹(shù)結(jié)構(gòu)特征向量時(shí)，考慮到3個(gè)問(wèn)題：1)在單一網(wǎng)頁(yè)中相同結(jié)構(gòu)出現(xiàn)頻次的問(wèn)題，2)在不同網(wǎng)頁(yè)間各類(lèi)結(jié)構(gòu)總數(shù)的差異問(wèn)題，3)未過(guò)濾出現(xiàn)次數(shù)較少的結(jié)構(gòu)，導(dǎo)致向量數(shù)目巨大且不統(tǒng)一的問(wèn)題。本文所提方法對(duì)DOM樹(shù)結(jié)構(gòu)進(jìn)行了壓縮，生成壓縮結(jié)構(gòu)向量。最后將文本特征向量和DOM樹(shù)結(jié)構(gòu)向量進(jìn)行融合后，通過(guò)分類(lèi)器進(jìn)行分類(lèi)并輸出分類(lèi)結(jié)果。2 DOM樹(shù)理
計(jì)算機(jī)仿真 2022年9期2022-10-25
- 基于十六叉樹(shù)-多尺度表達(dá)R樹(shù)的TGIS時(shí)空數(shù)據(jù)索引算法
1.1 十六叉樹(shù)結(jié)構(gòu)十六叉樹(shù)(Hex Tree，HT)結(jié)構(gòu)最早是由Joshi在1988年提出[16]，經(jīng)過(guò)不斷的實(shí)踐應(yīng)用和優(yōu)化，該方法成為移動(dòng)對(duì)象和TGIS數(shù)據(jù)索引的關(guān)鍵技術(shù)。文獻(xiàn)[7]采用線性十六叉樹(shù)結(jié)構(gòu)，解決了礦山GIS時(shí)空數(shù)據(jù)模型表達(dá)問(wèn)題，但對(duì)于時(shí)空數(shù)據(jù)的存儲(chǔ)計(jì)算空間較大，無(wú)法降低時(shí)空數(shù)據(jù)計(jì)算量。由此本文作者利用十六叉樹(shù)索引結(jié)構(gòu)，將隨時(shí)態(tài)變化的空間劃分為諸多相同尺度的塊體單元(時(shí)空體元)中的數(shù)據(jù)存儲(chǔ)量進(jìn)行計(jì)算，提出了時(shí)空體元編解碼存儲(chǔ)的低計(jì)算量?jī)?yōu)化算
計(jì)算機(jī)應(yīng)用與軟件 2022年9期2022-10-10
- 應(yīng)用于大數(shù)據(jù)的Trie樹(shù)排序算法
算法是利用堆積樹(shù)結(jié)構(gòu)設(shè)計(jì)的一個(gè)完全二叉樹(shù)，時(shí)間復(fù)雜度為O(nlogn)[10]。該算法通過(guò)樹(shù)形結(jié)構(gòu)保存部分比較結(jié)果，從而減少了比較次數(shù)，但是在實(shí)際應(yīng)用中頻繁更新數(shù)據(jù)時(shí)，每次更新都需要重做一遍堆的維護(hù)，這非常費(fèi)時(shí)[11]。文獻(xiàn)[12]中的AVL樹(shù)(Adelson-Velsky-Landis Tree)解決了數(shù)據(jù)頻繁更新的問(wèn)題，該結(jié)構(gòu)所有節(jié)點(diǎn)左右子樹(shù)的高度差不超過(guò)1，插入時(shí)間復(fù)雜度為O(nlogn)。雖然AVL樹(shù)支持?jǐn)?shù)據(jù)動(dòng)態(tài)更新，但其追求絕對(duì)平衡，每次插入新節(jié)
計(jì)算機(jī)工程與設(shè)計(jì) 2022年2期2022-03-01
- 基于樹(shù)的糧食物流工藝流程選擇算法的實(shí)現(xiàn)
設(shè)備作為結(jié)點(diǎn)的樹(shù)結(jié)構(gòu)，如表1所示。②流程表，用于存儲(chǔ)自動(dòng)生產(chǎn)的流程信息表和相關(guān)控制信息，如表2所示。表1 結(jié)點(diǎn)表表2 流程表4 算法設(shè)計(jì)與實(shí)現(xiàn)4.1 算法分析根據(jù)糧食物流進(jìn)出倉(cāng)工藝流程圖，梳理設(shè)備及上下游關(guān)系，可以得到類(lèi)似下圖1所示的樹(shù)結(jié)構(gòu)[4]，填入表1所示結(jié)點(diǎn)表，這里以包含兩個(gè)根結(jié)點(diǎn)樹(shù)結(jié)構(gòu)為例。圖1 工藝流程樹(shù)圖顯然，從根結(jié)點(diǎn)到任意一個(gè)葉子結(jié)點(diǎn)所經(jīng)歷的所有結(jié)點(diǎn)形成的有向路徑即構(gòu)成了一條工藝流程。以R1為根結(jié)點(diǎn)，得到如下流程：①R1→B→H。②R1→B→
現(xiàn)代食品 2021年12期2021-09-01
- 基于改進(jìn)四叉樹(shù)結(jié)構(gòu)的LAS數(shù)據(jù)空間索引建立方法
引的結(jié)構(gòu)，四叉樹(shù)結(jié)構(gòu)簡(jiǎn)單易于實(shí)現(xiàn)，本文根據(jù)ASPRS對(duì)LAS文件的說(shuō)明對(duì)其進(jìn)行解析，結(jié)合空間索引建立方法和激光點(diǎn)云數(shù)據(jù)特點(diǎn)，分析傳統(tǒng)四叉樹(shù)結(jié)構(gòu)針對(duì)該類(lèi)型數(shù)據(jù)建立空間索引的一些缺陷，對(duì)四叉樹(shù)結(jié)構(gòu)進(jìn)行改進(jìn)，利用改進(jìn)后的結(jié)構(gòu)建立LAS激光點(diǎn)云數(shù)據(jù)的空間索引。1 LAS數(shù)據(jù)讀取方式介紹1.1 LAS數(shù)據(jù)結(jié)構(gòu)解析根據(jù)ASPRS對(duì)LAS格式的說(shuō)明，以目前較為通用的LAS1.3為例，LAS文件主要包含三個(gè)部分：公共文件頭區(qū)、變長(zhǎng)記錄區(qū)、點(diǎn)集記錄區(qū)[2]。公共文件頭區(qū)（P
經(jīng)緯天地 2021年2期2021-08-04
- 一種基于端到端模型的中文句法分析方法
自動(dòng)表示成句法樹(shù)結(jié)構(gòu)。其主要工作可看作是從連續(xù)的句子線性序列到具有形式化樹(shù)結(jié)構(gòu)的轉(zhuǎn)換任務(wù)[1]。句法分析工作最早開(kāi)始于20 世紀(jì)50 年代，人們?cè)谶M(jìn)行機(jī)器翻譯任務(wù)研究時(shí)發(fā)現(xiàn)必須找到一種更深層次的句子表達(dá)方法，便開(kāi)始了自然語(yǔ)言句法結(jié)構(gòu)分析任務(wù)的研究。目前的句法分析方法主要分為基于規(guī)則和基于統(tǒng)計(jì)兩大類(lèi)[2]。英文句法分析任務(wù)開(kāi)始較早，同時(shí)有認(rèn)可度較高的數(shù)據(jù)集支持，其中具有代表性的如美國(guó)賓夕法尼亞州大學(xué)標(biāo)注的賓州樹(shù)庫(kù)[3]，因此新的算法往往首先在英文數(shù)據(jù)集上進(jìn)行
- 基于Java的N叉樹(shù)結(jié)構(gòu)仿真與實(shí)現(xiàn)
習(xí)領(lǐng)域使用N叉樹(shù)結(jié)構(gòu)設(shè)計(jì)和實(shí)現(xiàn)支持向量機(jī)等，在經(jīng)濟(jì)學(xué)領(lǐng)域[4]也廣泛運(yùn)用N叉樹(shù)結(jié)構(gòu)設(shè)計(jì)解決方案。N叉樹(shù)結(jié)構(gòu)一直存在于各領(lǐng)域研究中。一、樹(shù)狀結(jié)構(gòu)研究存在的問(wèn)題當(dāng)下應(yīng)用領(lǐng)域?qū)叉樹(shù)自身模型的建模與研究較淺，缺乏具有通用性的N叉樹(shù)規(guī)范建模方式和相關(guān)面向?qū)ο笤O(shè)計(jì)模式，N叉樹(shù)具體語(yǔ)言環(huán)境下的實(shí)現(xiàn)方式尚未得到足夠重視，缺乏一套高效、規(guī)范的算法解決N叉樹(shù)結(jié)構(gòu)模型構(gòu)造和訪問(wèn)等關(guān)鍵性問(wèn)題。故立足于N叉樹(shù)本身的建模和實(shí)現(xiàn)，Java語(yǔ)言面向?qū)ο髾C(jī)制已被業(yè)界廣泛熟練使用，應(yīng)用于極
山西廣播電視大學(xué)學(xué)報(bào) 2021年4期2021-04-08
- 聯(lián)絡(luò)型區(qū)域接線圖的自動(dòng)排布算法
據(jù)，建立線路的樹(shù)結(jié)構(gòu)：對(duì)于相互沒(méi)有聯(lián)系的線路，建立各自獨(dú)立的有向樹(shù)；有聯(lián)絡(luò)關(guān)系的多條線路，共同構(gòu)建一棵樹(shù)。具體如下。建模規(guī)則1：一條配電線構(gòu)成的區(qū)域接線圖的搜索范圍是以開(kāi)閉所的出線開(kāi)關(guān)或者變電站的配電線出線對(duì)應(yīng)的節(jié)點(diǎn)為起點(diǎn)，向負(fù)荷側(cè)沿線路搜索線路和設(shè)備的拓?fù)鋽?shù)據(jù)，直到線路末端，停止線路的搜索。在搜索過(guò)程中，如果遇到聯(lián)絡(luò)開(kāi)關(guān)，則繼續(xù)搜索到另一個(gè)變電站的配電線出線點(diǎn)（另一個(gè)變電站作為普通節(jié)點(diǎn)處理）?；趫D論理論，一條配電線可建立一棵有一條1 級(jí)分支和若干條K
中國(guó)新技術(shù)新產(chǎn)品 2020年20期2020-12-21
- 一種基于Spark的高效增量頻繁模式挖掘算法
文采用一種無(wú)損樹(shù)結(jié)構(gòu)(FCFP-Tree)[4]，通過(guò)在維護(hù)與新增數(shù)據(jù)相對(duì)應(yīng)的樹(shù)結(jié)構(gòu)時(shí)避免重新掃描原始數(shù)據(jù)集，以顯著減少I(mǎi)/O.為了突破單機(jī)資源進(jìn)行大數(shù)據(jù)處理的限制，開(kāi)發(fā)了一種基于內(nèi)存計(jì)算Spark平臺(tái)的分布式解決方案，該解決方案設(shè)計(jì)了更為合理的RDD轉(zhuǎn)換策略并采用相關(guān)組投影技術(shù)來(lái)優(yōu)化通信和計(jì)算開(kāi)銷(xiāo)。1 相關(guān)研究關(guān)聯(lián)規(guī)則挖掘一直以來(lái)都是數(shù)據(jù)挖掘研究的熱點(diǎn)課題，由于數(shù)據(jù)集往往隨著時(shí)間的變化而不斷積累，因此，原先的挖掘結(jié)果可能已不適用，為了有效挖掘新的模式，增
太原科技大學(xué)學(xué)報(bào) 2020年6期2020-11-04
- 基于4-叉樹(shù)結(jié)構(gòu)的路網(wǎng)數(shù)據(jù)最近鄰查詢算法
小，利用4-叉樹(shù)結(jié)構(gòu)存儲(chǔ)興趣點(diǎn)，并建立相應(yīng)的索引表，最后結(jié)合最近鄰查詢算法找出最近的興趣點(diǎn)。1 空間數(shù)據(jù)最近鄰查詢相關(guān)技術(shù)最近鄰(the nearest neighbor，NN)查詢?yōu)榭臻g數(shù)據(jù)查詢中應(yīng)用比較普通的一種查詢技術(shù)，其查詢思想可描述為：給定網(wǎng)絡(luò)數(shù)據(jù)集K和查詢點(diǎn)q，在網(wǎng)絡(luò)數(shù)據(jù)集K中查詢q距離最接近的點(diǎn)p(p∈K)，若找到返回點(diǎn)p，則點(diǎn)p為數(shù)據(jù)集K中與查詢點(diǎn)q的最近鄰點(diǎn)。路網(wǎng)空間數(shù)據(jù)集K中，通常稱(chēng)查詢的目標(biāo)點(diǎn)p為興趣點(diǎn)(POI)，這種興趣點(diǎn)通常不止一
- 區(qū)塊鏈中Merkle樹(shù)性能研究①
Merkle 樹(shù)結(jié)構(gòu);以太坊在比特幣的基礎(chǔ)上進(jìn)行了改造,汲取了Patricia 樹(shù)檢索高效的優(yōu)點(diǎn),融合Merkle樹(shù)和Patricia 樹(shù)而產(chǎn)生的Merkle Patricia 樹(shù)[12];超級(jí)賬本為了減少添加數(shù)據(jù)的代價(jià),采用了融合Merkle 樹(shù)和Hash 桶的Bucket 樹(shù)[11]結(jié)構(gòu).在本文中,我們首先對(duì)區(qū)塊鏈中Merkle 樹(shù)的結(jié)構(gòu)和關(guān)鍵操作進(jìn)行分析,從理論上對(duì)Merkle 樹(shù)的作用和復(fù)雜度進(jìn)行解析;然后根據(jù)分析結(jié)果提出相應(yīng)的性能評(píng)測(cè)指標(biāo),最后通
計(jì)算機(jī)系統(tǒng)應(yīng)用 2020年9期2020-09-22
- 字母跑馬燈
，如一般要掌握樹(shù)結(jié)構(gòu)或圖結(jié)構(gòu)中數(shù)據(jù)的搜索方法，其中比較基礎(chǔ)的內(nèi)容，是對(duì)樹(shù)結(jié)構(gòu)做廣度優(yōu)先搜索和深度優(yōu)先搜索。但在實(shí)際教學(xué)中，卻可能會(huì)遇見(jiàn)一個(gè)矛盾，若是學(xué)校并沒(méi)有將“數(shù)據(jù)結(jié)構(gòu)”模塊與“人工智能初步”模塊一起列入選擇性必修的內(nèi)容，那么在講解樹(shù)結(jié)構(gòu)的搜索問(wèn)題時(shí)，面對(duì)學(xué)生從未接觸過(guò)的“樹(shù)”這種數(shù)據(jù)結(jié)構(gòu)，教師該如何平衡好教學(xué)內(nèi)容的安排呢？一個(gè)辦法是干脆繞過(guò)對(duì)“樹(shù)”這種數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)過(guò)程的講解，直接使用現(xiàn)成封裝好的對(duì)象，對(duì)樹(shù)結(jié)構(gòu)進(jìn)行操作。這樣雖然可以降低教學(xué)上的難度，卻難
中國(guó)信息技術(shù)教育 2020年11期2020-06-12
- 基于有序FP-tree結(jié)構(gòu)和投影數(shù)據(jù)庫(kù)的最大頻繁模式挖掘算法
FP-tree樹(shù)結(jié)構(gòu)的挖掘算法[2].挖掘頻繁模式會(huì)產(chǎn)生大量的頻繁模式,隨著事務(wù)數(shù)據(jù)庫(kù)的增大和支持度閾值設(shè)置的較小時(shí),頻繁模式的規(guī)模會(huì)更大.在實(shí)際應(yīng)用中,最大頻繁模式在某些領(lǐng)域更具有價(jià)值,并且最大頻繁模式包含了所有的頻繁模式信息,因此許多專(zhuān)家學(xué)者對(duì)最大頻繁模式的挖掘進(jìn)行了深入的研究,具有代表性的最大頻繁模式挖掘算法有MaxMiner[3]、MAFIA[4]、FP-Max[5]等.這些算法仍然存在改進(jìn)的空間,比如,FP-Max是基于FP-tree樹(shù)結(jié)構(gòu)的挖掘
- 基于Prim的局域網(wǎng)升級(jí)改造算法優(yōu)化
個(gè)起始點(diǎn)構(gòu)成的樹(shù)結(jié)構(gòu)開(kāi)始，向樹(shù)結(jié)構(gòu)逐條添加邊線以生成樹(shù)。因此，該過(guò)程中選擇的邊線始終保持連接狀態(tài)。對(duì)已經(jīng)生成的樹(shù)結(jié)構(gòu)，普里姆算法只會(huì)考慮其相鄰邊線。通過(guò)普里姆算法的實(shí)現(xiàn)方法得知，它會(huì)找出加權(quán)值最小的候選邊線，并將它添加到樹(shù)結(jié)構(gòu)。這種過(guò)程會(huì)反復(fù)進(jìn)行，直到找出最小生成樹(shù)。1 問(wèn)題分析一般情況下，校園網(wǎng)會(huì)把網(wǎng)管中心設(shè)置在校園中心位置，以方便向四周擴(kuò)展，為了簡(jiǎn)化問(wèn)題，把所有建筑視為二維平面上的點(diǎn)，為了讓所有的點(diǎn)都能聯(lián)通，并形成一顆最小生成樹(shù)，通過(guò)實(shí)際測(cè)量研究，并不
- Kruskal和Prim算法的分析研究與比較
線的狀態(tài)開(kāi)始向樹(shù)結(jié)構(gòu)逐條添加邊線。但兩種算法的運(yùn)行機(jī)制大不相同，執(zhí)行方式存在很大差異。1 Kruskal算法分析1.1 Kruskal算法概述通常是加權(quán)值最小的邊線包含于最小生成樹(shù)。Kruskal的最小生成樹(shù)算法也是基于這種原理設(shè)計(jì)而成的[2]。該算法會(huì)按照升序排列圖結(jié)構(gòu)中的所有邊線，然后把各條邊線逐條添加到生成樹(shù)。當(dāng)然，并不能因?yàn)榧訖?quán)值小就把邊線無(wú)條件添加到生成樹(shù)，這樣做有可能產(chǎn)生回路。因此，需要先考慮那些會(huì)產(chǎn)生回路的邊線并排除。Kruskal算法會(huì)按照
隴東學(xué)院學(xué)報(bào) 2020年2期2020-03-30
- 基于有序FP-tree結(jié)構(gòu)和二維表的最大頻繁模式挖掘算法
tree［2］樹(shù)結(jié)構(gòu)的最大頻繁項(xiàng)集挖掘算法，該算法是一種深度優(yōu)先算法，通過(guò)遞歸構(gòu)建條件模式樹(shù)進(jìn)行挖掘直接獲得候選最大頻繁項(xiàng)集，檢測(cè)通過(guò)后存入一根最大頻繁項(xiàng)目樹(shù)中，提高了最大頻繁項(xiàng)集的存取速度.但FPMax算法仍存在一些問(wèn)題，主要有幾個(gè)方面：（1）FP-tree中的每一個(gè)節(jié)點(diǎn)都需要6個(gè)域空間，分別存儲(chǔ)節(jié)點(diǎn)名稱(chēng)、支持度計(jì)數(shù)、子節(jié)點(diǎn)的指針、父節(jié)點(diǎn)的指針、兄弟節(jié)點(diǎn)的指針、同名節(jié)點(diǎn)的指針，因此FP-tree結(jié)構(gòu)占用了較多的內(nèi)存空間.（2）項(xiàng)頭表中的除第一個(gè)事務(wù)項(xiàng)外的
韶關(guān)學(xué)院學(xué)報(bào) 2019年9期2019-11-11
- 貪吃的九頭龍問(wèn)題
典問(wèn)題，是基于樹(shù)結(jié)構(gòu)的動(dòng)態(tài)規(guī)劃問(wèn)題。關(guān)鍵詞：樹(shù)形 動(dòng)態(tài)規(guī)劃一、問(wèn)題描述傳說(shuō)中的九頭龍是一種特別貪吃的動(dòng)物。雖然名字叫“九頭龍”，但這只是說(shuō)它出生的時(shí)候有九個(gè)頭，而在成長(zhǎng)的過(guò)程中，它有時(shí)會(huì)長(zhǎng)出很多的新頭，也會(huì)有舊頭因衰老而自己脫落。 有一天，有 M（M≥3） 個(gè)腦袋的九頭龍看到一棵長(zhǎng)有 N 個(gè)果子的果樹(shù)，喜出望外，恨不得一口把它全部吃掉。 可是必須照顧到每個(gè)頭，因此它需要把 N 個(gè)果子分成 M 組，每組至少有一個(gè)果子，讓每個(gè)頭吃一組。 這 M 個(gè)腦袋中有一個(gè)
青年生活 2019年14期2019-10-21
- 改進(jìn)的頻繁模式挖掘算法①
.這類(lèi)算法利用樹(shù)結(jié)構(gòu)對(duì)數(shù)據(jù)庫(kù)進(jìn)行壓縮,不產(chǎn)生候選項(xiàng)集,減少了數(shù)據(jù)庫(kù)的掃描次數(shù),但在對(duì)大型稠密數(shù)據(jù)集進(jìn)行挖掘時(shí)會(huì)構(gòu)造大量條件模式基和條件FP-tree,對(duì)內(nèi)存消耗非常大.為克服前兩類(lèi)算法的局限性,一些研究人員將Apriori 算法和FP-tree 結(jié)構(gòu)結(jié)合[10-14].這類(lèi)算法先將整個(gè)數(shù)據(jù)庫(kù)投影到FP-tree 上,然后對(duì)FP-tree 進(jìn)行分區(qū),將數(shù)據(jù)庫(kù)劃分成若干個(gè)子數(shù)據(jù)集,最后利用Apriori 算法的候選生成-測(cè)試機(jī)制對(duì)子數(shù)據(jù)集進(jìn)行挖掘.文獻(xiàn)[10]
計(jì)算機(jī)系統(tǒng)應(yīng)用 2019年9期2019-09-24
- 馬克思與列寧的“社會(huì)主義”各有什么不同？
社會(huì)主義建立在樹(shù)結(jié)構(gòu)之上了。列寧這一重大失誤，便使“社會(huì)主義”從一開(kāi)始便掉入了“封建社會(huì)”的尼淖。關(guān)鍵詞：社會(huì)主義 果結(jié)構(gòu) 樹(shù)結(jié)構(gòu)《馬克思說(shuō)：“工業(yè)較發(fā)達(dá)的國(guó)家向工業(yè)較不發(fā)達(dá)的國(guó)家所顯示的，只是后者未來(lái)的景象?！雹僭谶@里，馬克思雖然沒(méi)有明說(shuō)，社會(huì)主義社會(huì)的權(quán)力結(jié)構(gòu)為果結(jié)構(gòu)，但他這段話，暗示了這點(diǎn)。因社會(huì)的“景象”相同，就等于說(shuō)明這兩個(gè)國(guó)家的社會(huì)運(yùn)行軌道相同、社會(huì)秩序相同、社會(huì) （“人治”或“法治”） 狀態(tài)相同、社會(huì)（“靜態(tài)”或“動(dòng)態(tài)”）穩(wěn)定性相同，人們?cè)谶@
學(xué)習(xí)與科普 2019年21期2019-09-10
- 國(guó)家能“去政治意識(shí)形態(tài)化”嗎？
人類(lèi)社會(huì)只存在樹(shù)結(jié)構(gòu)與果結(jié)構(gòu)兩類(lèi)權(quán)力結(jié)構(gòu)，我們證明了，在樹(shù)結(jié)構(gòu)之下，國(guó)家必然存在政治意識(shí)形態(tài)，“它要求公民無(wú)條件信仰”，在果結(jié)構(gòu)體制下，特別是在社會(huì)主義果結(jié)構(gòu)體制下，可以建成“去政治意識(shí)形態(tài)化”國(guó)家。關(guān)鍵詞：權(quán)力結(jié)構(gòu);樹(shù)結(jié)構(gòu);果結(jié)構(gòu);靜態(tài)穩(wěn)定性;動(dòng)態(tài)穩(wěn)定性;去政治意識(shí)形態(tài)化華中師范大學(xué)馬克思主義學(xué)院郭明飛教授指出：“隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展以及網(wǎng)絡(luò)社會(huì)的日新月異，人類(lèi)社會(huì)已進(jìn)入了以微博、微信、微視頻為代表的新媒體時(shí)代，微博，微信、微視頻已成為新煤體的中堅(jiān)力量。
大東方 2019年1期2019-09-10
- 東西方國(guó)家“文明素質(zhì)”的真正較量
用的權(quán)力結(jié)構(gòu)為樹(shù)結(jié)構(gòu)，因而說(shuō)明目前的社會(huì)主義并非是真正的社會(huì)主義②，它體現(xiàn)出來(lái)的人們的“文明素質(zhì)”，也就不能代表社會(huì)主義國(guó)家的“文明素質(zhì)”。又因?yàn)楣Y(jié)構(gòu)比樹(shù)結(jié)構(gòu)決定的人們的思想、意識(shí)及文化要好得多（不是同一個(gè)數(shù)量級(jí)的好），所以，人們目前看到的東西方人們“文明素質(zhì)”的比較，實(shí)質(zhì)上是果結(jié)構(gòu)體制國(guó)家與樹(shù)結(jié)構(gòu)體制國(guó)家在“文明素質(zhì)”方面的比較。從這里可以看出，只有把社會(huì)主義建立在果結(jié)構(gòu)之上時(shí)（因任何國(guó)家都必須選擇這兩類(lèi)結(jié)構(gòu)之一為權(quán)力結(jié)構(gòu)），才是真正的社會(huì)主義，只有此
學(xué)習(xí)與科普 2019年20期2019-09-10
- 為什么歷史在當(dāng)下？
中國(guó)就建立起了樹(shù)結(jié)構(gòu)體制，決定了人們?cè)?“單通道”之上相同的運(yùn)行方式、社會(huì)樹(shù)序以及 “靜態(tài)穩(wěn)定性”方式等，從而便出現(xiàn)了各個(gè)朝代都相同的社會(huì)圖像以及更糟的人情世故。特別是統(tǒng)治階級(jí)吸取了前代體制的經(jīng)驗(yàn)及教訓(xùn)，這就形成了人們更糟的人情世故，如柏琳所說(shuō)：“《金瓶梅》寫(xiě)人情世故，平時(shí)大家笑臉輕相迎，人情中盡是那些‘仁義禮智信，人與人之間那種背叛、欺騙和傾軋，不到萬(wàn)不得已是看不見(jiàn)的，但當(dāng)你看見(jiàn)時(shí)一切都太遲了’?！雹鄱轮袊?guó)的建立，雖然“天”變了（指社會(huì)的屬性內(nèi)容變了）
學(xué)習(xí)與科普 2019年22期2019-09-10
- 基于樹(shù)結(jié)構(gòu)的空間數(shù)據(jù)庫(kù)通用建庫(kù)技術(shù)研究
弊端，提出采用樹(shù)結(jié)構(gòu)的空間數(shù)據(jù)庫(kù)通用建庫(kù)技術(shù)，并分析對(duì)比兩種技術(shù)的時(shí)間復(fù)雜度和空間復(fù)雜度。從對(duì)比結(jié)果來(lái)看，樹(shù)結(jié)構(gòu)的空間數(shù)據(jù)庫(kù)通用建庫(kù)技術(shù)在時(shí)間性能上更優(yōu)，而空間效率略低?？傮w而言，樹(shù)結(jié)構(gòu)的空間數(shù)據(jù)庫(kù)通用建庫(kù)技術(shù)是優(yōu)于基于數(shù)據(jù)字典的。關(guān)鍵詞：空間數(shù)據(jù)庫(kù);樹(shù)結(jié)構(gòu);通用建庫(kù)技術(shù);數(shù)據(jù)字典中圖分類(lèi)號(hào)：TP311.13文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.15913/j .cnki.kj ycx.2019.09.012空間數(shù)據(jù)庫(kù)是傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)與GIS技術(shù)相結(jié)合的產(chǎn)物，相比傳
科技與創(chuàng)新 2019年9期2019-09-01
- 基于改進(jìn)移動(dòng)立方體算法的三維重建
域增長(zhǎng)法的通用樹(shù)結(jié)構(gòu)和移動(dòng)等值點(diǎn)法的自適應(yīng)改進(jìn)MC算法。1 原理與方法基于區(qū)域增長(zhǎng)法的通用樹(shù)結(jié)構(gòu)和移動(dòng)等值點(diǎn)法的改進(jìn)MC算法包括基于交互式區(qū)域增長(zhǎng)算法的醫(yī)學(xué)圖像分割、建立通用樹(shù)結(jié)構(gòu)、移動(dòng)等值點(diǎn)合并三角面片法三部分，具體流程見(jiàn)圖1。1.1 基于交互式區(qū)域增長(zhǎng)算法的醫(yī)學(xué)圖像分割 在醫(yī)學(xué)圖像上選取1個(gè)或多個(gè)種子點(diǎn)，種子點(diǎn)自適應(yīng)地向相鄰空間剖分，遍歷周邊體元，尋找并標(biāo)記所有與指定閾值相交的體元，生成三角面片，完成相關(guān)組織器官的分割。選取種子點(diǎn)時(shí)，需要根據(jù)指定閾值選
中國(guó)醫(yī)學(xué)影像技術(shù) 2019年6期2019-06-24
- 馬克思主義離不開(kāi)“權(quán)力結(jié)構(gòu)論”
，人類(lèi)社會(huì)只有樹(shù)結(jié)構(gòu)及果結(jié)構(gòu)兩類(lèi)權(quán)力結(jié)構(gòu)，關(guān)于社會(huì)主義制度，究竟應(yīng)該建立在哪類(lèi)權(quán)力結(jié)構(gòu)之上？這是馬克思主義者應(yīng)該解決的重大的理論問(wèn)題，也是實(shí)際問(wèn)題。“資本主義的民主、自由、平等”的確是“極少數(shù)人的民主、自由”，是有錢(qián)人的“民主、自由”，且在資本主義社會(huì)中，確實(shí)是這樣。但是，由于果結(jié)構(gòu)體制的建立，也同時(shí)給人們了帶來(lái)了一種在果結(jié)構(gòu)之上保障“人權(quán)”的基本空間[2]。并且，隨著時(shí)間的推移，這個(gè)“人權(quán)”空間還在逐步擴(kuò)大，如從資產(chǎn)階級(jí)的自由民主，放寬到一般“自由人”的
魅力中國(guó) 2019年4期2019-01-12
- 基于小波樹(shù)和互補(bǔ)分解的CS-MRI重建算法
也有特定的四叉樹(shù)結(jié)構(gòu)，在此基礎(chǔ)上文獻(xiàn)[13]提出YALL1算法，利用小波樹(shù)結(jié)構(gòu)稀疏代替小波稀疏構(gòu)建目標(biāo)函數(shù)，以提高圖像稀疏度；文獻(xiàn)[14]提出WaTMRI算法，聯(lián)合小波樹(shù)結(jié)構(gòu)稀疏和小波稀疏分別擁有的結(jié)構(gòu)稀疏和稀疏性，聯(lián)合改善圖像質(zhì)量；Park等[15]提出互補(bǔ)分解，將完整圖像分為平滑和殘差兩個(gè)分量，僅將平滑分量用于TV，殘差分量用于1范數(shù)，以解決全變分導(dǎo)致的細(xì)節(jié)過(guò)平滑問(wèn)題；文獻(xiàn)[16]利用貪婪算法提高重建速度，但需要確定圖像稀疏度，缺乏實(shí)際性；文獻(xiàn)[17]
計(jì)算機(jī)技術(shù)與發(fā)展 2018年12期2018-12-20
- 真正的歷史 “罪人”
——商鞅
構(gòu)只有兩類(lèi)，即樹(shù)結(jié)構(gòu)與果結(jié)構(gòu)⑤。例如，中國(guó)封建社會(huì)制度及原“蘇聯(lián)模式”的社會(huì)主義陣營(yíng)（包括中國(guó)）都是建立在所謂的樹(shù)結(jié)構(gòu)之上，而西方發(fā)達(dá)國(guó)家，不管它是“君主立憲制”、“民主共和制”等，都是建立在所謂的果結(jié)構(gòu)之上的。各自的文化類(lèi)型是在各自的結(jié)構(gòu)(類(lèi)型)上生長(zhǎng)起來(lái)的，而東西方文化的差別：源于其權(quán)力結(jié)構(gòu)的類(lèi)型差別⑥。作為中國(guó)傳統(tǒng)文化主流的儒家文化，正是在沿襲了二千多年的傳統(tǒng)的樹(shù)結(jié)構(gòu)之上成長(zhǎng)起來(lái)的。但這樹(shù)結(jié)構(gòu)體制之創(chuàng)始人，卻是秦孝公時(shí)代的商鞅。而儒家文化只不過(guò)較適合
新生代 2018年22期2018-11-13
- 基于四叉樹(shù)結(jié)構(gòu)的增量近鄰查詢方法
提出的基于四叉樹(shù)結(jié)構(gòu)的增量近鄰查詢方法是研究目標(biāo)用戶如何根據(jù)自身的隱私需求構(gòu)造匿名區(qū)域，在匿名區(qū)域中使用博弈論選取錨點(diǎn)進(jìn)行查詢處理。1 位置隱私保護(hù)方法1.1 構(gòu)建匿名區(qū)域SpaceTwist方法采用分布式結(jié)構(gòu)，在目標(biāo)用戶附近隨意選取一個(gè)點(diǎn)作為代理查詢點(diǎn)進(jìn)行查詢請(qǐng)求。由于不確定目標(biāo)用戶所在區(qū)域的節(jié)點(diǎn)密度，攻擊者容易攻擊節(jié)點(diǎn)稀疏的用戶。目標(biāo)用戶在請(qǐng)求位置服務(wù)時(shí)，需構(gòu)造合理的匿名區(qū)域進(jìn)行查詢處理。匿名區(qū)域不能隨機(jī)選取，若匿名區(qū)域過(guò)大，則代理用戶與位置服務(wù)器的通
電子測(cè)試 2018年21期2018-11-08
- 一種面向未知鏈路幀的格式特征提取與分類(lèi)算法*
將固定域組織成樹(shù)結(jié)構(gòu)。假設(shè)存在如圖2所示的固定域挖掘過(guò)程，在此過(guò)程中，第一次從鏈路幀樣本集合(記為set1)提取出固定域000AA、010AB和010AC，其中000AA為所有鏈路幀樣本共有，包含固定域010AB與010AC的幀分別構(gòu)成子集set2、set3。在set2中繼續(xù)挖掘固定域得到020EF(對(duì)應(yīng)的幀子集為set4)與020AF(對(duì)應(yīng)的幀子集為set5)，在set3中繼續(xù)挖掘固定域得到03156(對(duì)應(yīng)的幀子集為set6)與031EF(對(duì)應(yīng)的幀子集為
- 結(jié)合八叉樹(shù)結(jié)構(gòu)對(duì)ICP算法在點(diǎn)云配準(zhǔn)方面的改進(jìn)
礎(chǔ)上，結(jié)合八叉樹(shù)結(jié)構(gòu)的點(diǎn)云配準(zhǔn)方法。2 八叉樹(shù)2.1 八叉樹(shù)結(jié)構(gòu)八叉樹(shù)結(jié)構(gòu)是由四叉樹(shù)結(jié)構(gòu)推廣到三維空間而形成的一種三維數(shù)據(jù)結(jié)構(gòu)。主要思想就是將一個(gè)空間三維模型用一個(gè)正方體進(jìn)行包圍，按照三維直角坐標(biāo)的方式進(jìn)行八等份切割，將每一個(gè)切割所得到的結(jié)構(gòu)體存儲(chǔ)在其下屬的小區(qū)域內(nèi)，對(duì)于每個(gè)區(qū)域都用相同的方式再向下分割，直到子區(qū)域內(nèi)為空或達(dá)到某一規(guī)定條件。圖1為八叉樹(shù)結(jié)構(gòu)示意圖。圖1 在應(yīng)用八叉樹(shù)結(jié)構(gòu)進(jìn)行數(shù)據(jù)組織時(shí)，通常利用Morton碼作為一種較好的編碼方式，還可以應(yīng)用
信息記錄材料 2018年10期2018-09-07
- 樹(shù)索引數(shù)據(jù)差分隱私預(yù)算分配方法
隱私預(yù)算分配給樹(shù)結(jié)構(gòu)的每一層；同時(shí)，本文通過(guò)數(shù)學(xué)證明和實(shí)驗(yàn)分析，驗(yàn)證了這兩種方法能滿足用戶個(gè)性化設(shè)置差分隱私預(yù)算的需求。2 基本概念2.1 差分隱私差分隱私一般要求任何兩個(gè)數(shù)據(jù)集僅相差一個(gè)元組，隨機(jī)算法的輸出大約是相同的，即在輸入數(shù)據(jù)集中添加或刪除單個(gè)元組，對(duì)輸出不會(huì)產(chǎn)生太大影響，即使攻擊者具有任意背景知識(shí)，也無(wú)法從發(fā)布的查詢輸出中推斷出任何個(gè)體信息的記錄是否在數(shù)據(jù)集中，從而保護(hù)了敏感信息[14]。定義1 相鄰數(shù)據(jù)集[11]。如果D1和D2是相鄰數(shù)據(jù)集，則
計(jì)算機(jī)應(yīng)用 2018年7期2018-08-27
- 一種高速低噪聲的發(fā)散型時(shí)鐘樹(shù)結(jié)構(gòu)?
多［1］。時(shí)鐘樹(shù)結(jié)構(gòu)的設(shè)計(jì)成為數(shù)字后端設(shè)計(jì)的重中之重。時(shí)鐘樹(shù)綜合（CTS）的主要目的是使時(shí)鐘偏差、相位延時(shí)盡量最小化，最大限度地為時(shí)序收斂服務(wù)［2］。在時(shí)鐘網(wǎng)絡(luò)中，通常應(yīng)用EDA工具生成二叉型時(shí)鐘樹(shù)結(jié)構(gòu)［3］。這種方法實(shí)現(xiàn)時(shí)間短，但使用的緩沖器較多，時(shí)鐘級(jí)數(shù)與時(shí)鐘延時(shí)較大，影響時(shí)序收斂［4］，更重要的是OCV（On Chip Variation）難以避免會(huì)發(fā)生［5］。在實(shí)際情況中，芯片級(jí)（TOP）設(shè)計(jì)中時(shí)鐘樹(shù)網(wǎng)絡(luò)的負(fù)載包括觸發(fā)器與模塊單元（Block）。通
艦船電子工程 2018年6期2018-07-10
- 基于樹(shù)結(jié)構(gòu)的本體概念相似度計(jì)算方法①
賈 歡?基于樹(shù)結(jié)構(gòu)的本體概念相似度計(jì)算方法①徐英卓, 賈 歡(西安石油大學(xué)計(jì)算機(jī)學(xué)院, 西安 790065)隨著本體在數(shù)據(jù)集成方面的廣泛應(yīng)用, 面向本體的概念相似度計(jì)算成為人們關(guān)注的熱點(diǎn)問(wèn)題. 針對(duì)當(dāng)前領(lǐng)域本體概念相似度的計(jì)算過(guò)程都比較復(fù)雜的問(wèn)題, 提出一種基于樹(shù)結(jié)構(gòu)的本體概念相似度的計(jì)算方法. 該方法通過(guò)添加和重組虛擬節(jié)點(diǎn)重構(gòu)本體樹(shù), 再通過(guò)屬性比較映射對(duì)象, 最后通過(guò)計(jì)算, 得到本體概念的語(yǔ)義相似度結(jié)果. 實(shí)驗(yàn)結(jié)果表明, 該方法有效利用了本體概念的語(yǔ)
計(jì)算機(jī)系統(tǒng)應(yīng)用 2017年3期2017-10-13
- 基于反應(yīng)譜法的水下采油樹(shù)結(jié)構(gòu)地震響應(yīng)分析
譜法的水下采油樹(shù)結(jié)構(gòu)地震響應(yīng)分析郭俊華1，劉瀏昊知1，溫志杰1，吳 璠1，馬光燦1，陳旭俊2（1. 上海海事大學(xué) 海洋科學(xué)與工程學(xué)院，上海 201306；2. 上海振華重工（集團(tuán)）股份有限公司，上海 200125）為研究地震對(duì)采油樹(shù)結(jié)構(gòu)的影響，采用譜分析法對(duì)采油樹(shù)結(jié)構(gòu)進(jìn)行地震作用響應(yīng)分析。對(duì)采油樹(shù)結(jié)構(gòu)進(jìn)行模態(tài)分析，并判斷其發(fā)生不良動(dòng)力響應(yīng)的可能。采用地震響應(yīng)譜分析法對(duì)采油樹(shù)結(jié)構(gòu)進(jìn)行X，Y及Z 3個(gè)方向的地震響應(yīng)分析。結(jié)果表明，豎向地震對(duì)采油樹(shù)結(jié)構(gòu)的影響最大
船舶與海洋工程 2017年1期2017-04-06
- 數(shù)字圖像選擇加密算法的設(shè)計(jì)
加密算法對(duì)四叉樹(shù)結(jié)構(gòu)加密也必須先用四叉樹(shù)類(lèi)提供的四叉樹(shù)序列化的算法將四叉樹(shù)結(jié)構(gòu)進(jìn)行序列化，隨后將對(duì)序列化后的四叉樹(shù)結(jié)構(gòu)進(jìn)行RSA加密。由于相對(duì)重要的部分很小，導(dǎo)致傳輸葉子節(jié)點(diǎn)序列可以和加密四叉樹(shù)結(jié)構(gòu)并傳輸同步的進(jìn)行，從而大大的縮短了圖像處理中的加密解密時(shí)間。同時(shí)圖片的安全性也得到了強(qiáng)有力的保證。加密都進(jìn)行完后，將可以對(duì)處理后的數(shù)據(jù)進(jìn)行傳輸，整個(gè)算法過(guò)程即達(dá)到了保護(hù)圖片安全的目的也使圖片在加密的處理時(shí)間上大大減少。經(jīng)過(guò)研究比較可以發(fā)現(xiàn)四叉樹(shù)壓縮算法可以使用部
電子世界 2017年4期2017-03-13
- 一種針對(duì)句法樹(shù)的混合神經(jīng)網(wǎng)絡(luò)模型
或支持樹(shù)，兩種樹(shù)結(jié)構(gòu)對(duì)應(yīng)Quasi-TreeLSTMs的兩個(gè)變體Dependency Quasi-TreeLSTMs和Constituency Quasi-TreeLSTMs，分別如圖3(a)和圖3(b)所示。圖3 Quasi-TreeLSTMs的兩個(gè)變體接著，設(shè)計(jì)一個(gè)深度固定為h(本文h=2)且包含m個(gè)卷積核(kernels)的卷積窗口，讓它在整棵樹(shù)上滑動(dòng)，算法過(guò)程中對(duì)窗口內(nèi)的子樹(shù)進(jìn)行計(jì)算。假設(shè)現(xiàn)在窗口內(nèi)的子樹(shù)上有t個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)被賦予一個(gè)向量xk∈n
中文信息學(xué)報(bào) 2017年6期2017-03-12
- 基于溯因推理的信念修正理論初探
溯因推理的語(yǔ)義樹(shù)結(jié)構(gòu)的程序化及其全局策略和局部策略的提出有助于實(shí)現(xiàn)信念修正系統(tǒng)形式化，更好地描述其動(dòng)態(tài)認(rèn)知過(guò)程和處理信念修正問(wèn)題。溯因推理；人工智能；信念修正；認(rèn)識(shí)變化；語(yǔ)義樹(shù)結(jié)構(gòu)溯因推理(abduction)，又稱(chēng)“回溯推理”，是人類(lèi)邏輯思維通過(guò)外展性思維去推斷、發(fā)現(xiàn)事物因果聯(lián)系或揭示事物規(guī)律的一種重要推理形式，它屬于一種從觀察數(shù)據(jù)推出可能原因的推理模式，也是科學(xué)假說(shuō)證明的主要方法之一。溯因推理是當(dāng)代邏輯哲學(xué)和科技哲學(xué)中的重要推理之一。阿麗色達(dá)(Alis
淮陰師范學(xué)院學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版） 2017年3期2017-03-10
- 四維余代數(shù)的分類(lèi)
)利用余代數(shù)的樹(shù)結(jié)構(gòu)基，得到了余代數(shù)同構(gòu)的等價(jià)條件，從而完成了四維余代數(shù)的分類(lèi)，并針對(duì)更高維的余代數(shù)分類(lèi)給出了一般方法.余代數(shù)；余根濾鏈；樹(shù)結(jié)構(gòu)基The classification of 4-dimensional coalgebra. Journal of Zhejiang University(Science Edition), 2017,44(1):028-0320 引 言余代數(shù)結(jié)構(gòu)的研究是含幺結(jié)合代數(shù)、雙代數(shù)和Hopf代數(shù)相關(guān)研究中的重要部分，受
浙江大學(xué)學(xué)報(bào)（理學(xué)版） 2017年1期2017-02-07
- 對(duì)稱(chēng)離散事件系統(tǒng)狀態(tài)樹(shù)結(jié)構(gòu)模型的控制函數(shù)不變性研究
散事件系統(tǒng)狀態(tài)樹(shù)結(jié)構(gòu)模型的控制函數(shù)不變性研究焦亭,甘永梅,肖國(guó)春(西安交通大學(xué)電氣工程學(xué)院,710049,西安)針對(duì)對(duì)稱(chēng)離散事件系統(tǒng)中使用監(jiān)督控制理論計(jì)算得到的自動(dòng)機(jī)形式的監(jiān)督控制器狀態(tài)數(shù)較多且無(wú)法清晰反映控制邏輯等問(wèn)題,提出了基于狀態(tài)樹(shù)結(jié)構(gòu)的抽象控制函數(shù)計(jì)算方法。該方法通過(guò)充分利用系統(tǒng)的對(duì)稱(chēng)性,對(duì)避免緩沖區(qū)出現(xiàn)上溢或者下溢的性能指標(biāo),采用事件重標(biāo)記映射提取各組中處于加工完成狀態(tài)的組件數(shù)目,從而省去了各組件復(fù)雜的運(yùn)行細(xì)節(jié);然后利用狀態(tài)樹(shù)結(jié)構(gòu)計(jì)算得到基于抽象
西安交通大學(xué)學(xué)報(bào) 2016年11期2016-12-23
- 容許性余代數(shù)的必要條件
構(gòu)造了余代數(shù)的樹(shù)結(jié)構(gòu)（定義2.1）和塊系統(tǒng)（定義2.3），并自然的推廣到Hopf代數(shù)上.通過(guò)研究非余半單Hop f代數(shù)的塊系統(tǒng)中各個(gè)“塊”之間的聯(lián)系，給出了純非余半單Hopf代數(shù)（定義3.1）的基本塊和維數(shù)下界（命題4.1和命題4.2）.應(yīng)用上述結(jié)果到45維（推論4.1）和105維（推論4.2）Hopf代數(shù)上，簡(jiǎn)化了此維數(shù)的Hopf代數(shù)分類(lèi)情形，對(duì)非余半單非點(diǎn)態(tài)pq2型和pqr型Hopf代數(shù)的分類(lèi)工作做出了貢獻(xiàn).2 余代數(shù)的樹(shù)結(jié)構(gòu)和塊系統(tǒng)本節(jié)構(gòu)造余代數(shù)的樹(shù)
- WSN中結(jié)合雙層編碼和JPSO的多約束Steiner樹(shù)算法
式算法構(gòu)建最優(yōu)樹(shù)結(jié)構(gòu)。首先，選擇總能耗、網(wǎng)絡(luò)壽命、收斂時(shí)間和通信干擾作為優(yōu)化約束目標(biāo)。然后，根據(jù)提出的雙層編碼方案對(duì)生成樹(shù)的解進(jìn)行編碼，同時(shí)利用跳躍粒子群優(yōu)化算法尋找帕累托最優(yōu)解。最后，利用提出的混合適應(yīng)度函數(shù)找出近似最優(yōu)樹(shù)結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，JPSO-TE方法可以產(chǎn)生近似最優(yōu)的樹(shù)結(jié)構(gòu)，具有高效性和可行性。無(wú)線傳感器網(wǎng)絡(luò)；多約束Steiner樹(shù)；跳躍粒子群優(yōu)化；雙層編碼0 引 言無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是由多
現(xiàn)代電子技術(shù) 2016年13期2016-11-12
- 基于TreeGrid控件的樹(shù)結(jié)構(gòu)數(shù)據(jù)呈現(xiàn)形式研究
Grid控件的樹(shù)結(jié)構(gòu)數(shù)據(jù)呈現(xiàn)形式研究張俊飛，周風(fēng)華（廣州醫(yī)科大學(xué)，廣州511436）通過(guò)分析樹(shù)結(jié)構(gòu)數(shù)據(jù)在關(guān)系數(shù)據(jù)庫(kù)中的存儲(chǔ)算法，采用雙親表示法實(shí)現(xiàn)教學(xué)評(píng)價(jià)指標(biāo)樹(shù)結(jié)構(gòu)數(shù)據(jù)在關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)，并基于EasyUI組件中的TreeGrid控件，實(shí)現(xiàn)教學(xué)評(píng)價(jià)指標(biāo)的樹(shù)狀展示。TreeGrid控件分級(jí)視圖顯示教學(xué)評(píng)價(jià)指標(biāo)數(shù)據(jù)，具有層次分明，表意清晰的特點(diǎn)，為其他UI設(shè)計(jì)者提供參考。Easy UI；TreeGrid；雙親表示法0 引言在計(jì)算機(jī)科學(xué)領(lǐng)域中，樹(shù)形數(shù)據(jù)結(jié)構(gòu)（簡(jiǎn)稱(chēng)
現(xiàn)代計(jì)算機(jī) 2016年16期2016-10-18
- 基于樹(shù)型結(jié)構(gòu)模型足球成績(jī)系統(tǒng)的研究與設(shè)計(jì)
理；賽事模型；樹(shù)結(jié)構(gòu)；晉級(jí)；足球比賽0 引言體育比賽成績(jī)管理是一項(xiàng)非常重要的工作，賽事模型的建立是比賽信息系統(tǒng)設(shè)計(jì)關(guān)鍵［1］。如何建立靈活的賽事模型、方便的排名處理、簡(jiǎn)單的各類(lèi)報(bào)表打印等，都是賽事成績(jī)系統(tǒng)設(shè)計(jì)要考慮和處理的重要問(wèn)題［2］。足球比賽賽事模型比較復(fù)雜，包括小組賽單循環(huán)賽、小組雙循環(huán)賽、淘汰賽等；晉級(jí)模型的建立是比賽信息處理的另一個(gè)復(fù)雜問(wèn)題。小組比賽完成，需對(duì)小組進(jìn)行排名，然后實(shí)現(xiàn)相應(yīng)晉級(jí)處理。有些比賽模型可能會(huì)進(jìn)行多一輪額外比賽，給不能出賽的部
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2016年10期2016-06-02
- B－樹(shù)在NTFS索引目錄管理中的應(yīng)用研究
管理是采用B+樹(shù)結(jié)構(gòu)，而只有少量書(shū)籍中認(rèn)為NTFS對(duì)索引目錄的管理是采用B-樹(shù)結(jié)構(gòu)。針對(duì)這種爭(zhēng)議，以Windows7操作系統(tǒng)為平臺(tái)，以NTFS文件系統(tǒng)和文件目錄為研究分析對(duì)象，用WinHex磁盤(pán)編輯為分析工具，對(duì)NTFS文件系統(tǒng)中元文件$MFT文件夾記錄的90H屬性、A0H屬性和B0H屬性進(jìn)行分析。以B-樹(shù)的定義為衡量標(biāo)準(zhǔn)，對(duì)NTFS文件系統(tǒng)索引目錄中的文件進(jìn)行查找、刪除和插入操作，來(lái)觀察NTFS文件系統(tǒng)索引目錄的結(jié)構(gòu)變化。實(shí)驗(yàn)結(jié)果表明，NTFS索引目錄基
計(jì)算機(jī)技術(shù)與發(fā)展 2016年9期2016-03-01
- 一種基于重要性評(píng)估的河網(wǎng)分級(jí)方法
行評(píng)估，并利用樹(shù)結(jié)構(gòu)實(shí)現(xiàn)河網(wǎng)的拓?fù)潢P(guān)系；之后基于河段重要性指數(shù)篩選河網(wǎng)主干，并利用主干抽離算法對(duì)河網(wǎng)進(jìn)行逐層遍歷；最后基于遍歷結(jié)果完成河網(wǎng)地層次劃分。試驗(yàn)表明，新方法在算法性能和分級(jí)結(jié)果上均優(yōu)于傳統(tǒng)方法，因此，新方法能夠更好地應(yīng)用于實(shí)際的河網(wǎng)分級(jí)工作中。關(guān)鍵詞：河網(wǎng)分級(jí)；樹(shù)結(jié)構(gòu)；重要性指數(shù)；主干抽離法地形中的河流具有主干和支流之分，主干與支流的拓?fù)潢P(guān)系構(gòu)成了河網(wǎng)的層次結(jié)構(gòu)。為獲得這一層次結(jié)構(gòu)，需進(jìn)行河網(wǎng)分級(jí)。目前，河網(wǎng)分級(jí)方法主要包括兩類(lèi)：基于分形的分級(jí)方
測(cè)繪通報(bào) 2016年1期2016-02-26
- 基于N 叉樹(shù)的PLC 功能塊向指令表的轉(zhuǎn)換算法研究*
轉(zhuǎn)換算法，采用樹(shù)結(jié)構(gòu)中的孩子兄弟表示法(又稱(chēng)二叉鏈表表示法)來(lái)存儲(chǔ)每一個(gè)功能塊的數(shù)據(jù)和邏輯關(guān)系等信息，每一個(gè)功能塊圖都可以表示成一棵樹(shù)，對(duì)樹(shù)進(jìn)行一次遍歷，就得出了用戶程序?qū)?yīng)的IL 程序。但這并不通用，且不適用于串、并聯(lián)邏輯關(guān)系復(fù)雜和多重輸出的FBD 程序。本研究針對(duì)軟PLC 多重輸出的問(wèn)題，提出將FBD圖映射到N 叉樹(shù)型數(shù)據(jù)結(jié)構(gòu)，對(duì)N 叉樹(shù)進(jìn)行后序遍歷依次訪問(wèn)各個(gè)節(jié)點(diǎn)，得到相應(yīng)IL 程序的算法。該算法適用于復(fù)雜的多輸出FBD 程序，采用分解重組的方式，將
機(jī)電工程 2015年12期2015-11-18
- 基于樹(shù)結(jié)構(gòu)分層隨機(jī)森林在非約束環(huán)境下的頭部姿態(tài)估計(jì)
430074)樹(shù)結(jié)構(gòu)分層隨機(jī)森林是在每一個(gè)分支層上有選擇性的級(jí)聯(lián)子森林。當(dāng)?shù)竭_(dá)下一分支層時(shí)，它需要做出判斷加載哪一顆子森林。因?yàn)樵诓煌浇嵌认仑Q直角度的估計(jì)投票仍滿足高斯模型分布，所以我們提出一個(gè)自適應(yīng)高斯混合模型來(lái)投票最終的頭部姿態(tài)。改進(jìn)公式C(P)得到：基于樹(shù)結(jié)構(gòu)分層隨機(jī)森林在非約束環(huán)境下的頭部姿態(tài)估計(jì)劉袁緣①②陳靚影*②俞 侃①覃 杰③陳超原①①(文華學(xué)院 武漢 430074)②(華中師范大學(xué)國(guó)家數(shù)字化學(xué)習(xí)工程研究中心 武漢 430079)③(武漢
電子與信息學(xué)報(bào) 2015年3期2015-07-05
- R.Hausser的左結(jié)合語(yǔ)法
DBS圖是一種樹(shù)結(jié)構(gòu)，但是，DBS圖的樹(shù)結(jié)構(gòu)與短語(yǔ)結(jié)構(gòu)語(yǔ)法和依存語(yǔ)法的樹(shù)結(jié)構(gòu)有所不同。例如，英語(yǔ)的句子The little girl slept(那個(gè)小女孩睡著了) 用短語(yǔ)結(jié)構(gòu)語(yǔ)法分析后的樹(shù)結(jié)構(gòu)如下：圖2 短語(yǔ)結(jié)構(gòu)樹(shù)在這個(gè)短語(yǔ)結(jié)構(gòu)語(yǔ)法的樹(shù)結(jié)構(gòu)中，S(句子)由NP(名詞短語(yǔ))和VP(動(dòng)詞短語(yǔ))組成，NP由DET(限定詞)，ADJ(形容詞)和N(名詞)組成，它們分別對(duì)應(yīng)于單詞the, little和girl，VP對(duì)應(yīng)于單詞slept. 句子的層次和單詞之間的前
外語(yǔ)學(xué)刊 2014年2期2014-10-24
- 路徑存儲(chǔ)法在生成樹(shù)形結(jié)構(gòu)中的應(yīng)用研究
據(jù)節(jié)點(diǎn)序列生成樹(shù)結(jié)構(gòu)。該方法在遍歷算法的執(zhí)行過(guò)程中，每個(gè)節(jié)點(diǎn)至少被訪問(wèn)2次，并且需要從數(shù)據(jù)庫(kù)中頻繁地檢索節(jié)點(diǎn)信息，當(dāng)節(jié)點(diǎn)數(shù)量較多的時(shí)候，其算法執(zhí)行的耗時(shí)比較長(zhǎng)，導(dǎo)致效率低下。(2)層點(diǎn)展開(kāi)法，使用Javascript函數(shù)監(jiān)聽(tīng)鼠標(biāo)對(duì)樹(shù)節(jié)點(diǎn)的單擊，觸發(fā)異步傳輸技術(shù)(AJAX)加載子節(jié)點(diǎn)的事件，以實(shí)現(xiàn)展開(kāi)或隱藏子節(jié)點(diǎn)。該方法應(yīng)用比較廣泛，生成樹(shù)結(jié)構(gòu)的效率較高，由于該方法是逐層展開(kāi)樹(shù)分支，因此在訪問(wèn)子樹(shù)節(jié)點(diǎn)方面存在不足。(3)多表存儲(chǔ)法，按照樹(shù)結(jié)構(gòu)的層次關(guān)系，分別
計(jì)算機(jī)與現(xiàn)代化 2014年4期2014-10-14
- 一種基于結(jié)構(gòu)耦合度的推斷目標(biāo)節(jié)點(diǎn)的方法
節(jié)點(diǎn)組成的無(wú)序樹(shù)結(jié)構(gòu)，其中連接節(jié)點(diǎn)表示元素或者屬性節(jié)點(diǎn)，葉子節(jié)點(diǎn)指的是文本節(jié)點(diǎn)即元素或者屬性的值.圖1展示了一個(gè)XML文檔的樹(shù)結(jié)構(gòu).定義1：節(jié)點(diǎn)類(lèi)型，本文用root表示一棵樹(shù)的根節(jié)點(diǎn)即文檔的根元素，節(jié)點(diǎn)n的類(lèi)型就是從根節(jié)點(diǎn)到節(jié)點(diǎn)n的路徑.如果n是一個(gè)葉子節(jié)點(diǎn)，則它的路徑用其雙親的路徑來(lái)表示.一個(gè)節(jié)點(diǎn)的類(lèi)型準(zhǔn)確地表示了該節(jié)點(diǎn)的意義.如圖1所示，author節(jié)點(diǎn)的類(lèi)型即路徑（sigmord Record，issue，articles，article，autho
東北師大學(xué)報(bào)（自然科學(xué)版） 2014年1期2014-09-15
- A high-speed index for the multi-scale overlay landscape map on ubiquitous WebGIS
2 MSORQ樹(shù)結(jié)構(gòu)3.1.2 Graph theory descriptionLet us describe MSORQ-Tree structure with diagrams.The left of figure 1 shows representation of multiple layers overlapping pyramid.The main tree G=(V，E)consists of the vertex set V and edge
深圳大學(xué)學(xué)報(bào)（理工版） 2013年5期2013-11-26
- 基于分形理論的產(chǎn)品自組織配置設(shè)計(jì)過(guò)程規(guī)劃方法
合模型具有分形樹(shù)結(jié)構(gòu)，組合模型的分形樹(shù)結(jié)構(gòu)如圖1所示。其中，圖1A 為基準(zhǔn)模型，圖1B為分形樹(shù)模型。圖1 中的線段表示組合過(guò)程和方向，線段的端點(diǎn)或不同線段的交點(diǎn)表示組合過(guò)程的配置單元，數(shù)字代表配置單元的層次，標(biāo)注為1 的節(jié)點(diǎn)代表最底層的配置單元。圖1 組合模型的分形樹(shù)結(jié)構(gòu)為了描述分形結(jié)構(gòu)模型的規(guī)則程度和相關(guān)性質(zhì)，采用如下幾個(gè)參數(shù)進(jìn)行測(cè)度。1)分形維。對(duì)于產(chǎn)品自組織配置設(shè)計(jì)中的分形樹(shù)結(jié)構(gòu)，可采用相似維數(shù)［6］，在傳統(tǒng)的非歐氏幾何的分形理論中，相似維數(shù)主要用于
湖北理工學(xué)院學(xué)報(bào) 2013年2期2013-03-19
- 基于多小波的彩色圖像分層樹(shù)集合分裂算法
間構(gòu)造新的方向樹(shù)結(jié)構(gòu),重組圖像多小波分解系數(shù),進(jìn)行嵌入式多小波彩色圖像 SPIHT編碼.結(jié)果表明,該算法具有良好的編碼效果,性能優(yōu)于 9/7單小波編碼.多小波;分層樹(shù)集合分裂;嵌入式編碼;空間方向樹(shù);圖像壓縮本研究利用彩色圖像各分量之間的相關(guān)性,在SPIHT算法的空間方向樹(shù)結(jié)構(gòu)基礎(chǔ)上引入新的空間方向樹(shù)結(jié)構(gòu),并結(jié)合圖像多小波變換后系數(shù)分布的特點(diǎn),提出改進(jìn)的多小波彩色圖像 SPIHT算法,提高了多小波彩色圖像的編碼效率.1 圖像的多小波變換1.1 多小波理論多
- 基于聯(lián)合降低PAPR和干擾的小波包結(jié)構(gòu)優(yōu)選
度實(shí)現(xiàn)對(duì)小波包樹(shù)結(jié)構(gòu)的優(yōu)選，不考慮優(yōu)選出的樹(shù)結(jié)構(gòu)的PAPR性能。文獻(xiàn)5利用循環(huán)前綴降低正交頻分復(fù)用系統(tǒng)中ISI的影響，而后綜合考慮ICI和PAPR，用PTS算法對(duì)其進(jìn)行降低，文中循環(huán)前綴的存在帶來(lái)了信息速率的下降和功率的損失。本文將利用PAPR、ISI和ICI等因素，在更接近實(shí)際信道的頻選信道下進(jìn)行仿真，從調(diào)制端和接收端，系統(tǒng)地對(duì)小波包調(diào)制結(jié)構(gòu)進(jìn)行優(yōu)化，達(dá)到降低峰均比和提高抗干擾性能的優(yōu)化目的。1 小波包多載波調(diào)制系統(tǒng)及樹(shù)形結(jié)構(gòu)小波包多載波調(diào)制系統(tǒng)基本模型
- 基于消減PAPR的小波包調(diào)制結(jié)構(gòu)的研究
］，小波包調(diào)制樹(shù)結(jié)構(gòu)數(shù)量γJ隨著的增加近似于2次冪增加：小波包調(diào)制級(jí)數(shù)J=3的小波包調(diào)制樹(shù)形結(jié)構(gòu)如圖3所示共有26種，其中調(diào)制樹(shù)形結(jié)構(gòu)6為小波調(diào)制結(jié)構(gòu)，樹(shù)形結(jié)構(gòu)26為滿樹(shù)小波包調(diào)制結(jié)構(gòu)。對(duì)于小波包變換樹(shù)結(jié)構(gòu)的選擇問(wèn)題，人們已作了較深入的研究［6］，最有代表性的是采用熵或信息花費(fèi)函數(shù)來(lái)衡量，使得最優(yōu)樹(shù)結(jié)構(gòu)的信息花費(fèi)函數(shù)最小。因此，結(jié)合小波包調(diào)制樹(shù)形結(jié)構(gòu)的多樣性，可通過(guò)對(duì)滿樹(shù)結(jié)構(gòu)的剪枝，選擇非滿樹(shù)結(jié)構(gòu)實(shí)現(xiàn)調(diào)制峰值的降低要求。圖3 J=3時(shí)所有可能的樹(shù)形結(jié)構(gòu)1.