首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

算法设计中的若干前沿问题

指导小组成员第1-8页
中文摘要第8-10页
英文摘要第10-12页
前言第12-13页
第Ⅰ部分 数据流理论第13-53页
 第一章 数据流模型第15-25页
   ·引论第15-16页
   ·取样与摘要设计第16-17页
   ·概率论基础第17-22页
     ·基本概念第17页
     ·数学期望第17-18页
     ·方差第18页
     ·概率论基本不等式第18-19页
     ·随机算法第19-20页
     ·哈希函数第20-21页
     ·稳态分布第21-22页
     ·误差函数第22页
   ·伪随机数发生器第22-24页
   ·同余方程第24-25页
 第二章 区间有效F_0-估测算法第25-37页
   ·引论第25-26页
     ·问题描述第25页
     ·相关工作第25-26页
     ·本章主要结果第26页
   ·预备知识第26-27页
   ·区间有效F_0-估测算法第27-34页
     ·算法框架第27-28页
     ·计算M(r)与G(r)第28-29页
     ·算法与复杂度分析第29-31页
     ·不同数据结构的算法实现第31-32页
     ·正确性证明第32-34页
   ·扩展:最大支配范数问题第34页
   ·深入研究第34-37页
 第三章 XML流的相关性估测算法第37-45页
   ·引论第37-38页
     ·问题描述第37页
     ·论文主要工作第37-38页
     ·结果第38页
   ·算法描述第38-39页
   ·算法的时空复杂度分析第39-41页
   ·正确性证明第41-42页
   ·模拟第42-43页
     ·实验环境第42-43页
     ·性能分析第43页
   ·深入研究第43-45页
 第四章 互联网通讯中的真实冰川第45-53页
   ·引论第45-46页
     ·问题描述第45-46页
     ·结果第46页
   ·预备知识第46-48页
     ·Count-Min摘要第46-47页
     ·Loglog计数摘要第47-48页
   ·算法描述第48页
   ·分析第48-52页
   ·深入研究第52-53页
第Ⅱ部分 计算几何:Manhattan网络问题第53-87页
 第五章 Manhattan网络问题的复杂度第55-71页
   ·引论第55-58页
     ·相关工作第56-57页
     ·方法与结果第57-58页
   ·预备知识第58-59页
   ·规约第59-65页
     ·部件设计第59-61页
     ·部件NEGATOR第61-63页
     ·其他部件第63-64页
     ·网络的构造第64-65页
   ·NP-难解性的证明第65-71页
 第六章 Manhattan网络的近似算法第71-87页
   ·预备知识第71-74页
   ·算法描述第74-81页
   ·近似度分析第81-87页
第Ⅲ部分 扩展图理论第87-117页
 第七章 扩展图引论第89-93页
   ·定义第89-90页
   ·邻接矩阵与扩展性第90-91页
   ·扩展图的构造第91-93页
 第八章 图谱与图的组合特性第93-105页
   ·扩展图收敛引理第93-94页
   ·边扩展与导率第94-95页
   ·离散拉普拉斯算子第95-96页
   ·各种扩展的联系第96-101页
   ·拉马努金图第101-105页
 第九章 近-拉马努金图的构造第105-117页
   ·预备知识第105-110页
     ·记号第105-106页
     ·双覆盖第106页
     ·图的乘方第106页
     ·置换积第106-107页
     ·Z-积第107-110页
   ·Z-积的推广第110-111页
   ·推广Z-积的分析第111-115页
   ·迭代构造第115-117页
第Ⅳ部分 计算生物学第117-133页
 第十章 DNA编码设计第119-133页
   ·引论第119-121页
     ·问题描述第120页
     ·本章主要结果第120-121页
   ·预备知识第121-123页
     ·约束条件第121-123页
     ·编码理论第123页
   ·基于扩展图的编码第123-126页
   ·退随机的编码第126-128页
   ·推广第128-133页
参考文献第133-142页
索引第142-145页
攻读博士学位期间的研究成果第145-147页
致谢第147-148页

论文共148页,点击 下载论文
上一篇:WEB环境下的社会网络挖掘研究
下一篇:机器视觉中物体识别方法的研究与探讨