简介：一、结合法。一个数连续乘以（或除以）两个一位数，有时改成用这个数乘（或除）这两个一位数的积，比较简便。例如：

简介：

简介：

简介：在研究了满文单词的组成以及满文与罗马字母相互转换规则的基础上,构建了罗马字母与满文字母的转写关系,提出了一种简单有效的满文字母编码规则,设计了一种新的罗马转写智能算法。提出的编码规则具有唯一性,解决了罗马转写过程中罗马字母与满文字母一音多形的问题,提高罗马转写的准确率。经测试,该智能算法完成了满文单词罗马转写的功能,转换准确率为100%。

简介：程序框图是近几年高考的热点，而程序框图如何考又是大家普遍关注的问题，下面就算法与程序框图方面的试题特点进行归纳总结，以供大家学习与提高。

简介：并行算法是指一次可执行多个操作的算法。对并行算法的研究现在已发展为一个独立的研究领域。很多用串行算法解决的问题也已经有了相应的并行算法。在本文，我们阐述了一些简单的并行计算以说明并行算法的一些基本概念，应用和编程方法。

简介：文本聚类技术作为处理和组织大量文本数据的一项重要技术，能够在很大程度上解决由于信息爆炸所带来的问题。Sollin算法是构建最小生成树的典型算法，与Kruskal算法和Prim算法相比，具有容易实现并行运算的特点。因此，利用基于Sollin的快速层次聚类算法在复旦语料和搜狗语料上进行聚类实验，结果表明基于Sollin的快速层次聚类算法在运行效率和聚类质量上都优于传统层次聚类算法。

简介：搜索策略是人工智能研究的主攻方向之一，采用不同的搜索策略在求解问题的过程中也会存在差异．通过对于八数码的搜索求解分析，采用盲目搜索中的广度优先搜索算法和启发式搜索中的A＊算法进行实现，将广度优先搜索算法与A＊算法进行比较，从而评价这两种搜索算法的优劣性．

简介：

简介：本讲考试的重点在三种基本逻辑结构，而循环结构则是重中之重．算法初步的考纲要求和它在教材中的地位，决定了只能在小题中考查它，而且考查的重点是循环结构，有时也有条件结构．以循环结构为载体，可以结合数列、函数、概率与统计等进行综合命题．考试说明中要求的第一条就是“对数学基本知识的考查，既全面又突出重点，注重学科的内在联系和知识的综合”．算法的含义、算法的思想不需要单独命题考查，以框图为载体，里面就承载了算法的含义和算法的思想．

简介：发现频繁项集是数据挖掘应用中的关键问题,发现过程的高花费要求对增量数据挖掘算法进行深入研究.考虑保持最小支持度不变,一个事务数据集d动态的添加到事务数据库D中时,利用基于矩阵的MFUP(Matrix_Fast_Update)算法生成事务数据库DUd中的频繁项集.

简介：

简介：由于遥感方法技术的发展,出现了许多干涉测量合成孔径雷达技术的各种研究。然而对于缠绕相位值的解缠,仍然是SAR干涉测量中的关键步骤。相位解缠的不同方法可大致分为:积分方法,例如分支切割方法,边缘跟踪方法和最小二乘(LS)技术。本文介绍了几种解缠算法的对比分析,包括一些经典方法和一些新方法。

简介：为了求解非线性方程f（x）=0,本文给出一个新的迭代算法,即xn+1=xn-(xn-xn-1)/(3f（xn）-4f((xn+xn-1/2)+f(xn-1)f（xn）这个新方法集弦割法和抛物线法的优势于一身,具有更快的收敛速度,已经证明:这个新方法的收敛阶至少是二阶的。

简介：在矢量量化中，搜索与输入矢量最接近的码字需要的计算量很大，实现码字搜索的快速算法是矢量量化实用化的重要条件。在综合现有搜索算法基础上，提出了一种基于均值的快速搜索算法FMBC—SA（FastMean-BasedCodeSearchingAlgorithm），有助于减少矢量码本搜索的时间和空间复杂度。

简介：遗传算法本身固有的并行处理性和开放性，使得它在优化识别方面的效率非常之高，而且受到越来越广泛的研究，然而，遗传算法自身也有一些缺点．遗传算法在寻优过程中易出现“早熟”，设计变量增多时效率较低以及结构分析时间长．论文分析了遗传算法的常见缺陷，并通过采用小生境技术、基于多父体变量级别的杂交以及小生境技术的改进策略，遗传算法的优化性能（优化效率和质量）得到了大大的提高。

简介：判定树归纳基本算法是判定树生成的核心算法，有着广泛的应用。针对判定树归纳算法容易出现局部最优化，即早熟现象这一缺陷，运用平均信息增益的方法对该算法进行了改进．把平均信息增益最大的值作为选择测试属性的标准，仿真试验也表明了改进后算法的优越性。

简介：利用线性光学元件和单光子来编码量子比特，可给出Grover量子搜寻算法的光学实现方案。该方案可以推广到多个量子比特的情况。

简介：

简介：在不均衡数据集下,SVM分类超平面的偏移,使得基于KKT条件进行样本选择的增量学习算法性能不佳,针对该问题,提出动态代价的SVM增量学习算法,该算法依据各类样本密度之间的关系动态计算类的错分代价,减少每次迭代中分类超平面偏移造成的错误累积,保证依据KKT条件选取样本的准确性,使得每次迭代选取的样本都包含当前分类器缺少的空间信息,提高最终分类器在不均衡数据集下的分类性能.最后,在UCI数据集上的仿真实验结果表明该算法能够提高不均衡数据下的分类性能.