导读:本文包含了模式匹配算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,模式,多模,间隙,序列,在线,自动机。
模式匹配算法论文文献综述
陈洪涛,王法玉,靳彩园,吕春明[1]（2019）在《多模式匹配算法的应用与改进》一文中研究指出本文针对入侵检测中多模式匹配算法,提出的观点。在计算机网络安全行业起到提升检测效率作用。如付诸现实将减少入侵检测系统规则库特征值匹配时间。随着互联网的快速发展,Linux操作系统得到广泛应用的同时网络入侵的攻击手段也在不停变化,入侵检测系统可将捕捉到的数据包与已知的网络入侵特征库进行比对,进而发现入侵行为。AC算法是多模式匹配算法之一,它的优点在于能同时进行多个模式串的匹配搜索,缺点是会出现多次没有必要的比较,影响了入侵检测系统的效率,为了提高匹配效率,本文根据AC算法的有限状态自动机构建原理,利用BM算法的跳跃思想,优化文本串位移,提出了一种双向AC算法和BM算法结合的改进算法。根据实验结果表明此算法有效的降低了匹配时间。(本文来源于《中国科技信息》期刊2019年23期）
徐歆冰[2]（2019）在《基于匹配算法的轨迹分布模式自适应识别仿真》一文中研究指出针对当前方法轨迹特征提取耗时长、轨迹相似度低以及模式识别率低的问题,提出基于匹配算法的轨迹分布模式自适应识别方法。利用恒向线直接反解法对子轨迹段的迹向求解,通过迹向的差值能够获得子轨迹之间的转向角,对输入的参数做规范化处理,采用反正切函数求出轨迹的方位角,并利用纬度圈半径等条件对恒向线进行求解,得到转向角阈值,完成轨迹分割;在此基础上,通过对迹向和位置的比较,计算轨迹结构的相似性度量,定义轨迹间的相对偏移,并计算轨迹集和间的旋转和伸缩变换因子,在对轨迹匹配时,可以得到轨迹的尺度因子和旋转变化因子,构成旋转矩阵,计算量轨迹之间的距离,能够获取到轨迹对于四元组的支持度,取全部轨迹的值来计算获取到的四元组和轨迹的初始支持度,最终实现了轨迹分布模式的自适应识别。实验结果表明,在对轨迹分布模式自适应识别时,轨迹的特征提取耗时较短、轨迹相似度较高,并且轨迹分布模式自适应识别率较高。(本文来源于《计算机仿真》期刊2019年11期）
柴欣,王建姣,闫文杰,武优西[3]（2019）在《无间隙约束下无重迭模式匹配的在线求解算法》一文中研究指出间隙约束序列模式挖掘可以有效地挖掘满足用户特定需要的频繁模式,其核心是间隙约束模式匹配问题.无重迭的模式匹配问题是其中的一种方法,即任何两个出现的相同位置不能共用序列的同一位置的字符.但在无先验知识的情况下,如何设定间隙是难以解决的问题.针对此问题,本文设计了在线匹配算法SNGP-Best,其依据序列串来计算满足查询模式的最多出现数.该算法通过计算模式的长度来确立队列的个数,然后采用在线计算的方式,能够及时计算出满足条件的出现并输出,起到了降低算法空间复杂性的作用.实验结果验证SNGP-Best算法具有良好的求解性能.(本文来源于《小型微型计算机系统》期刊2019年07期）
杨凌雪,田宏兵[4]（2019）在《浅论《数据结构》中KMP模式匹配算法讲解》一文中研究指出模式匹配是《数据结构》中关于字符串的一个基本运算,一般有两种方法,分别为"朴素算法"与"KMP算法"。KMP算法是一种高效的字符匹配算法,它的关键在于当字符匹配失败以后,利用next数组中的信息使指针不需要回退,这样就减少了匹配的次数,提高效率。KMP算法不容易理解,该文通过举例等方法分析KMP算法的匹配原理及过程。(本文来源于《科技资讯》期刊2019年19期）
申嫱嫱[5]（2019）在《基于改进Apriori算法的序列模式挖掘和规则匹配预测研究》一文中研究指出关联规则挖掘是数据挖掘领域重要的研究内容。本文基于采集获得的实际蜂窝无线网络流量数据,通过挖掘基站时间序列的频繁模式来预测基站的流量状态。论文以经典的Apriori算法挖掘频繁项集并构建强关联规则的思想为基础,提出了改进支持度阈值选择和匹配模式选择的频繁序列挖掘、存储与匹配策略;通过对基站聚类和对流量序列的周期性分析,挖掘周期频繁模式并压缩序列树结构,进一步改进序列挖掘和存储阶段,提高了挖掘效率和预测精度。论文的主要内容和创新点如下:挖掘流量状态的频繁模式并进行存储是精确预测基站蜂窝网流量的先决条件。论文以基站蜂窝无线网络业务量数据为基础,将其预处理为离散状态,采用滑动窗口模型通过改变窗口大小遍历得到全部不同规模的原始模式,使用支持度阈值筛选频繁模式,通过对不同时间粒度训练集的实验,得到支持度设置与训练集规模的关系,为合理设置支持度阈值筛选频繁模式提供了理论支持;采用改进的序列树结构存储频繁序列,在节点中存储指向相邻两层的双向指针,为匹配模式阶段回溯获取父节点信息和预测状态阶段向下确定子节点状态提供了路径支持。实验发现该地区基站序列挖掘支持度阈值在筛选比例为20%-25%之间设置时模型性能取得最佳。获得所有的匹配序列并从中选出最可靠的模式用于预估状态是预测的关键。完成模式匹配时,在构建的各种不同规模的频繁序列树基础上,将当前时刻状态分别匹配至不同序列树的倒数第二层,时序上向前扩展一个时刻状态对应序列树也向上回溯一层,取全部匹配路径加入候选匹配序列集合;选择模式时,本文提出了一种可靠性计算方法,对置信度、预测率和模式大小分配不同权重,计算最大加权和值从候选匹配序列集合选取匹配模式用于预测。实验表明,不同粒度训练集下当模型取得最优预测性能时的权重参数类似,即规则权值比为0.3:0.4:0.4时模型性能取得最佳;同时,一系列设置不同前溯路径长度的实验表明,当回溯至一定长度后,算法准确性趋于稳定,据此合理设置滑动窗口大小可在基本不影响算法准确率的前提下有效降低运行耗时,研究实验发现滑动窗前溯至9个时隙即可终止,明确滑动终止条件;最后,将上述所得最优参数应用于预测模型,并将其与改进马尔科夫算法对比,发现尽管不同粒度数据集下性能提升效果不同,但匹配率至少都比后者高出25%以上,均方根误差率降低至少38%,而百分误差率至少降低65%。通过对基站原始数据序列相关性分析发现,基站间互相关性有很大差异,分析序列特性并对其完成相似性度量;基于凝聚层次聚类将相关性较强的基站蜂窝流量数据划分为一类,以此重新确定训练集;通过设置最大间隔时间,定义非周期模式,发现模式的频繁性与其周期出现间关联性,因此首先完成周期性检验淘汰掉非周期模式;进一步改进序列树的结构,不同层次代表不同规模的频繁模式集合,将全部频繁模式存入更少量序列树中;以及衡量周期模式可靠性时同时考虑其最大出现间隔。为了探究基于基站聚类后,挖掘周期频繁模式对算法预测性能的影响,本文在对模型中做出上述改进后重新进行实验,发现聚类后各基站流量状态预测准确性至少高于未聚类时2.2%左右,均方根误差率前者相较后者降低3.8%,百分误差率至少降低11.2%;而淘汰非周期模式也为挖掘频繁模式阶段节省时间,实验表明至少降低算法运行耗时15.1%左右,因此在可靠性和有效性上均有进步。(本文来源于《北京邮电大学》期刊2019-05-31）
孙琢[6]（2019）在《多模式车位预约实时匹配算法研究》一文中研究指出随着机动车保有量的增加,车位资源愈加紧张,停车共享系统系统应运而生,然而停车共享系统为人们带来便利的同时,也带来了新的问题。停车共享系统预约分配设计不合理,热点预约时间段资源紧张,以及客户需求未细化导致退订或反复预定等多方面问题,使得车位共享资源利用率低下。本研究提出多模式车位预约实时匹配算法,旨在优化停车共享系统的匹配过程,提升停车场内车位共享资源时空利用率。本研究的具体工作如下:(1)提出多模式预约策略。利用多模式预约策略细化用户需求,从而减少因需求覆盖问题导致的用户退订或反复预约,也在一定程度上提升了搜索效率。(2)提出时间碎片检测算法。在车位匹配时,利用时间碎片检测算法规避因分配不合理而导致的大量时间碎片,从而提升车位预约过程中停车场内车位时空利用率。(3)提出时间重要度检测算法。车位预约过程中,利用时间重要度检测算法规避因分配不当而导致的热点时间附近的车位共享时间段搜索空间降低的问题,从而提升停车场内车位时空利用率。本文设计了基于以上叁种优化的多模式车位预约实时匹配算法,并对其进行实现,对比不同实验结果的碎片化程度、预约成功的订单数等指标,其中碎片化程度指数降低1.28%,预约成功的订单数提升了6.8%。结果表明,实验验证了算法的有效性,最终达到提升停车场内时空利用率的目的。(本文来源于《北京邮电大学》期刊2019-05-20）
王军凯,吕晓琪,张明,李菁,孟娴静[7]（2019）在《特征跟踪与模式匹配结合算法在海冰漂移检测中的应用研究》一文中研究指出基于Sentinel-1遥感数据,采用有效的预处理方法,得到较为准确的数据集,并提出一种基于叁角剖分的特征跟踪与模式匹配结合算法,通过建立叁角形网络并有效结合两者的优势,既提高了算法效率,又使海冰漂移矢量具有更均匀的空间分布。同时,研究了HH极化及其数据强噪声区域下该算法的适用性。不同极化数据的实验结果显示,本文算法所得海冰漂移矢量不仅有更高的覆盖率,而且均方根误差降低了约10%,提高了检测精度。面对噪声稳健性的增强,即使在条带噪声的干扰下,检测准确率仍可高达98%,可见该算法对两种极化方式具有普适性,从而证明该方法能够有效地应用于海冰漂移监测。(本文来源于《激光与光电子学进展》期刊2019年16期）
陈永杰,吾守尔·斯拉木,于清[8]（2019）在《一种基于Aho-Corasick算法改进的多模式匹配算法》一文中研究指出目前互联网中以文本存在的数据非常庞大,针对在如此庞大的文本中如何准确、快速地找到多个不同的目标字符串的问题,在介绍常见的模式匹配算法的优点和缺点基础上,结合Trie速多模式匹配算法。根据对比性实验的结果分析得出,改进AC且匹配速度大约是AC算法的5倍,说明改进AC(本文来源于《现代电子技术》期刊2019年04期）
余飞[9]（2018）在《大数据下模式匹配算法研究》一文中研究指出互联网大数据流量高效处理与快速匹配问题是信息安全领域重要的研究方向,模式匹配算法是问题解决的核心。文章分析了单模式匹配算法BMH、多模式匹配算法AC和WM经典算法,研究了算法原理,展示了模式匹配算法运行过程,探讨了其优缺点以及适用环境。研究表明模式匹配算法适合当前大数据的处理,具有较为广阔的使用前景。(本文来源于《九江学院学报(自然科学版)》期刊2018年04期）
周开来,陈红,熊子绎,李翠平,孙辉[10]（2018）在《一种带稀疏间隙约束的并行模式匹配算法》一文中研究指出带通配符的模式匹配是一个经典的研究问题,带有可变间隙约束的模式匹配是近年来比较热门的研究方向.为适应某些查询精度要求较高的应用领域,提出一种在稀疏间隙约束条件下求解模式匹配完备解的算法SGPM-SAI(pattern matching with sparse gaps constraint based on suffix automaton index).SGPM-SAI通过对文本串预处理,建立一种称为W-SAM的图索引结构,然后对模式串分段查找End Pos集合,最后以集合归并求交的方法得到模式匹配的完备解.实验结果表明:在不考虑预处理时间的情况下,相比几种最典型的模式匹配算法(KMP,BM,AC,suffixarray),SGPM-SAI算法性能优势显着,至少高出3～5倍.通过与SAIL算法的最新优化版本(SAIL-Gen)进行比较,在稀疏间隙约束条件下,SGPM-SAI的性能要显着优于SAIL-Gen算法.此外,为有效利用现代处理器的大规模并行处理单元,提出了并行优化后的算法Parallel SGPM-SAI.实验结果表明:Parallel SGPM-SAI算法的加速效果显着,且具有良好的并行可扩展性,能够充分利用现代众核处理器的高并行计算优势.(本文来源于《软件学报》期刊2018年12期）
模式匹配算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前方法轨迹特征提取耗时长、轨迹相似度低以及模式识别率低的问题,提出基于匹配算法的轨迹分布模式自适应识别方法。利用恒向线直接反解法对子轨迹段的迹向求解,通过迹向的差值能够获得子轨迹之间的转向角,对输入的参数做规范化处理,采用反正切函数求出轨迹的方位角,并利用纬度圈半径等条件对恒向线进行求解,得到转向角阈值,完成轨迹分割;在此基础上,通过对迹向和位置的比较,计算轨迹结构的相似性度量,定义轨迹间的相对偏移,并计算轨迹集和间的旋转和伸缩变换因子,在对轨迹匹配时,可以得到轨迹的尺度因子和旋转变化因子,构成旋转矩阵,计算量轨迹之间的距离,能够获取到轨迹对于四元组的支持度,取全部轨迹的值来计算获取到的四元组和轨迹的初始支持度,最终实现了轨迹分布模式的自适应识别。实验结果表明,在对轨迹分布模式自适应识别时,轨迹的特征提取耗时较短、轨迹相似度较高,并且轨迹分布模式自适应识别率较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模式匹配算法论文参考文献
[1].陈洪涛,王法玉,靳彩园,吕春明.多模式匹配算法的应用与改进[J].中国科技信息.2019
[2].徐歆冰.基于匹配算法的轨迹分布模式自适应识别仿真[J].计算机仿真.2019
[3].柴欣,王建姣,闫文杰,武优西.无间隙约束下无重迭模式匹配的在线求解算法[J].小型微型计算机系统.2019
[4].杨凌雪,田宏兵.浅论《数据结构》中KMP模式匹配算法讲解[J].科技资讯.2019
[5].申嫱嫱.基于改进Apriori算法的序列模式挖掘和规则匹配预测研究[D].北京邮电大学.2019
[6].孙琢.多模式车位预约实时匹配算法研究[D].北京邮电大学.2019
[7].王军凯,吕晓琪,张明,李菁,孟娴静.特征跟踪与模式匹配结合算法在海冰漂移检测中的应用研究[J].激光与光电子学进展.2019
[8].陈永杰,吾守尔·斯拉木,于清.一种基于Aho-Corasick算法改进的多模式匹配算法[J].现代电子技术.2019
[9].余飞.大数据下模式匹配算法研究[J].九江学院学报(自然科学版).2018
[10].周开来,陈红,熊子绎,李翠平,孙辉.一种带稀疏间隙约束的并行模式匹配算法[J].软件学报.2018
论文知识图
