【摘 要】
:
模式匹配是计算机应用领域重要的研究方向,广泛应用于入侵检测、信息检索、生物科学计算等方面。随着计算机网络技术的飞速发展,数字信息量出现了爆炸式增长。如何提高模式匹
论文部分内容阅读
模式匹配是计算机应用领域重要的研究方向,广泛应用于入侵检测、信息检索、生物科学计算等方面。随着计算机网络技术的飞速发展,数字信息量出现了爆炸式增长。如何提高模式匹配算法的性能成为人们研究的热门课题。本文介绍了模式匹配技术的产生、发展和研究现状,阐述了几种重要的模式匹配算法,包括单模式匹配BF算法、KMP算法、BM算法、BMH算法、QS算法和KR算法等,多模式匹配AC算法、AC_BM算法、WM算法等,研究分析了它们的时间性能,并比较了各自的优缺点。针对AC_BM算法的不足之处,提出了一种改进的AC_QSS算法。AC_QSS算法采用正向有限状态自动机组织模式串,模式树从右向左移动;每次移动模式树前,检查当前匹配窗口末字符及其后继字符组成的字符串是否出现在模式树中,可以有效提高模式树的平均移动距离,减少不必要的字符比较次数,从而提高算法的时间效率。采用地址映射的方法查找字符串,在预处理阶段将所有模式串的两两相邻字符映射到记录表中,匹配时只需计算偏移地址取值即可完成查找任务,从而进一步提高算法的时间效率。理论分析了AC_QSS算法的时间性能,并通过与AC_BM算法的对比实验,验证了AC_QSS算法具有更好的时间性能。最后对本文进行了总结和展望。
其他文献
三维虚拟人动画涉及到诸多领域,如心理学、人工智能和图形学等,并且虚拟人动画也具有广阔的应用前景。与虚拟人的交互是一个比较有趣也比较有前景的课题,因此吸引了众多人体
目前,随着高校网络环境的改善,图书馆自动化条件的不断优化,很多高校图书馆都已经或正在着手特色数据库的建设工作。其中,学生毕业论文库的建设也是图书馆的一项重要工作。学
人脸检测是指对输入图像或视频序列进行检测,以确定其是否包含人脸,并对包含人脸的数据提取其大小、形状、姿态和位置等信息的过程。人脸检测技术是机器视觉、模式识别和人工智
在过去,传统的奈奎斯特采样定理一直统治着信号处理领域。随着人们对信息需求量的日益增加,信号的带宽越来越宽,在信息获取中对采样速率和处理速度等的要求也越来越高,这无疑
图形处理器(GPU)具有很强的并行处理能力,并且计算成本低,利用GPU加速字符串操作已经成为了当前并行计算领域的研究热点。近似字符串匹配技术在病毒检测、文件检索、计算生物学等
为了有效利用Deep Web中丰富的信息,当前的许多研究多集中于对Deep Web数据集成中子问题的研究。而在这些子问题中,Web数据库选择是影响Deep Web数据集成质量的重要因素之一
近十几年来,数字多媒体正在逐渐渗透到人们的日常生活中。在各种各样的多媒体信息中,数字图像占据了非常重要的位置。但是随着图像处理技术的发展,对图像的编辑修改等操作变得非
最近,机器学习领域出现了一系列基于多层神经网络架构的学习方法,称为深度学习方法。深度置信网络作为经典的深度学习方法,可以包含较多隐藏层,可以更好的学习各种复杂数据的
分类是机器学习领域的重要研究方向之一,经过多年发展形成了一些较为成熟的算法,并在实际中取得成功的应用。这些传统的分类算法以分类正确率作为最大的目标,且假定数据集中各类