CẢI THIỆN THUẬT TOÁN

Tìm thấy 2,767 tài liệu liên quan tới từ khóa "CẢI THIỆN THUẬT TOÁN":

Tìm hiểu các thuật toán MMC và MMDT trên bảng quyết định đa trị

TÌM HIỂU CÁC THUẬT TOÁN MMC VÀ MMDT TRÊN BẢNG QUYẾT ĐỊNH ĐA TRỊ

MỞ ĐẦU Trong nhiều năm qua, cùng với sự phát triển của công nghệ thông tin và ứng dụng của công nghệ thông tin trong nhiều lĩnh vực của đời sống xã hội, thì lượng dữ liệu được các cơ quan thu thập và lưu trữ ngày một nhiều lên. Người ta lưu trữ những dữ liệu này vì cho rằng nó ẩn chứa những giá trị nhất định nào đó. Tuy nhiên theo thống kê thì chỉ có một lượng nhỏ của những dữ liệu này (khoảng từ 5% đến 10%) là luôn được phân tích, số còn lại họ không biết sẽ phải làm gì và có thể làm gì với những dữ liệu này, nhưng họ vẫn tiếp tục thu thập và lưu trữ vì hi vọng những dữ liệu này sẽ cung cấp cho họ những thông tin quý giá một cách nhanh chóng để đưa ra những quyết định kịp thời vào một lúc nào đó. Chính vì vậy, các phương pháp quản trị và khai thác cơ sở dữ liệu truyền thống ngày càng không đáp ứng được thực tế đã làm phát triển một khuynh hướng kỹ thuật mới đó là kỹ thuật phát hiện tri thức và khai phá dữ liệu. Một trong những công cụ khai phá tri thức hiệu quả hiện nay là sử dụng cây quyết định để tìm ra các luật phân lớp. Thông thường phân loại cây quyết định được sử dụng để phân loại dữ liệu có thuộc tính đơn trị. Tuy nhiên, trong thực tế có rất nhiều vấn đề phân lớp cần phải giải quyết với các dữ liệu đa giá trị. Dữ liệu đa giá trị có nghĩa là một bản ghi có thể có nhiều giá trị cho một thuộc tính chứ không phải là giá trị duy nhất. Ví dụ, nếu chúng ta có một dữ liệu du lịch bao gồm giới tính là nữ và thu nhập $750, theo phương pháp phân loại truyền thống thì chỉ dự đoán cô ấy có thể tham gia tour du lịch C1, nhưng phân lớp mới có thể dự đoán cô ấy có khả năng tham gia tour du lịch C1, C2 hoặc C3. Hầu hết các phân loại không có khả năng xử lý dữ liệu với thuộc tính đa trị. Vì vậy, đó là lý do tôi chọn đề tài luận văn là: “Tìm hiểu các thuật toán MMC và MMDT trên bảng quyết định đa trị” để xây dựng cây quyết định cho dữ liệu đa trị. MMC (Multi-valued and Multi-labeled Classifier) và MMDT (Multi-valued and Multi-labeled Decision Tree) khác với phân loại cây quyết định truyền thống trong một số chức năng chính bao gồm phát triển một cây quyết định, lựa chọn thuộc tính, gán nhãn cho một nút lá và thực hiện dự đoán cho một dữ liệu mới. MMC chủ yếu dựa trên độ đo giống nhau giữa nhiều nhãn; MMDT chủ yếu dựa trên cả độ đo giống nhau và tỉ lệ đo giống nhau giữa nhiều nhãn. Những năm gần đây việc xây dựng cây quyết định cho bảng dữ liệu đa trị được nhiều nhà khoa học quan tâm nghiên cứu. Nhiều nhà khoa học trên thế giới đã nghiên cứu ra các thuật toán để giải quyết vấn đề dữ liệu đa trị; chẳng hạn như: Ba nhà khoa học là Yen-Liang Chen, Chang-Ling Hsu, Shih-Chieh Chou đã nghiên cứu thuật toán MMC [1], hai nhà khoa học là Shihchieh Chou, Chang-Ling Hsu đã nghiên cứu thuật toán MMDT [2] nhằm cải thiện thuật toán MMC và một nhóm nhà khoa học gồm (Hong Li, Rui Zhao, Jianer Chen and Yao Xiang) nghiên cứu thuật toán SSC (Similarity of Same and Consistent) [3], ngoài ra còn có các thuật toán ADMT [4], SSC_SP1, SSC_SP2,… Đề tài nghiên cứu của luận văn nhằm góp phần giải quyết thuộc tính đa trị và thuộc tính số. Mục đích nghiên cứu của luận văn nhằm tìm hiểu những vấn đề sau:  Tìm hiểu bảng quyết định đa trị.  Tìm hiểu hai thuật toán MMC và MMDT.  Cài đặt hai thuật toán. Để hoàn thành luận văn này, tác giả phải phân tích và tổng hợp tài liệu từ các bài báo khoa học trong và ngoài nước; Nghiên cứu lý thuyết, phân tích, khái quát, từ đó rút ra những vấn đề cần giải quyết của đề tài luận văn. Cấu trúc luận văn bao gồm phần mở đầu, ba chương nội dung chính, phần kết luận và tài liệu tham khảo. Chương 1. Tổng quan về phân lớp dữ liệu dựa trên cây quyết định. Trong chương này, trình bày tổng quan về phân lớp dữ liệu, ứng dụng phân lớp dữ liệu dựa trên cây quyết định, mô tả thuật toán xây dựng cây quyết định đơn trị dựa vào phương pháp Hunt làm tư tưởng chủ đạo. Chương 2. Thuật toán MMC và MMDT. Trong chương này, trình bày tổng quan về bảng dữ liệu đa trị, cây quyết định đa trị, cách dự đoán một dữ liệu đa trị mới, các
Xem thêm

79 Đọc thêm

XÂY DỰNG bộ NHẬN DẠNG TIẾNG nói tự ĐỘNG bền VỮNG với môi TRƯỜNG NHIỄU

XÂY DỰNG BỘ NHẬN DẠNG TIẾNG NÓI TỰ ĐỘNG BỀN VỮNG VỚI MÔI TRƯỜNG NHIỄU

Trong những năm gần đây, hệ thống nhận dạng tiếng nói tự động (ASR) ngày càng được ứng dụng rộng rãi trong nhiều lĩnh vực. Tuy nhiên, hiệu suất của những hệ thống này lại dễ dàng bị ảnh hưởng bởi tác động bất lợi của môi trường, chẳng hạn như nhiễu,...Vì vậy, để xây dựng một bộ ASR bền vững với nhiễu, các thuật toán giảm nhiễu được áp dụng nhằm tối thiểu tác động của nhiễu và cải thiện chất lượng tiếng nói. Trong đề tài này, chúng tôi tập trung vào 4 thuật toán dựa trên lý thuyết tối thiểu hóa bình phương độ lệch trung bình, gồm MMSEMS, MMSESTSA84, MMSESTSA85 và bộ lọc Wiener. Bằng cách tích hợp các thuật toán này vào tầng tiền xử lý của khối frontend của bộ ASR, chúng tôi nhận thấy hiệu suất nhận dạng có những cải thiện nhất định trong môi trường nhiễu. Nội dung chính của đồ án gồm 4 chương, trong đó chương đầu chủ yếu giới thiệu về cấu trúc một bộ nhận dạng tiếng nói tự động, chương 2 đề cập đến các tiêu chuẩn DSR của ETSI (SFE và AFE) và các giải thuật giảm nhiễu nhằm tăng cường hiệu quả cho bộ ASR, chương 3 tập trung vào mô hình âm học HMM, chương 4 đánh giá và so sánh hiệu quả của các thuật toán dựa trên kết quả nhận dạng được thực hiện trên cơ sở dữ liệu SpeechDat Car Aurora3 và phần mềm nhận dạng tiếng nói HTK.
Xem thêm

75 Đọc thêm

Nghiên Cứu Công Nghệ Truy Cập Gói Đường Xuống Tốc Độ Cap (HSDPA)

NGHIÊN CỨU CÔNG NGHỆ TRUY CẬP GÓI ĐƯỜNG XUỐNG TỐC ĐỘ CAP (HSDPA)

HSDPA là công nghệ truy cập gói đường xuống tốc độ cao, là giải pháp mang tính đột phá về mặt công nghệ trên cơ sở của hệ thống WCDMA. Nó tạo ra một kênh truyền dữ liệu bên trong WCDMA được gọi là HSDSCH. Đây là kênh chia sẻ đường xuống tốc độ cao, kênh truyền tải này hoạt động hoàn toàn khác biệt so với các kênh thông thường và cho phép thực hiện download với tốc độ vượt trội. HSDPA sử dụng các kỹ thuật như điều chế và mã hóa thích ứng, lập biểu gói, yêu cầu tự động lặp lại đã làm tăng hiệu năng của hệ thống HSDPA so với các hệ thống trước đó. Việc sử dụng mã Turbo đã làm tăng đáng kể hiệu quả của HSDPA trong việc sửa lỗi sai. 2.2 Các kỹ thuật chính dùng trong HSDPA 2.2.1 Điều chế và mã hóa thích ứng Trong HSDPA, điều khiển tốc độ được thực hiện bằng cách điều chỉnh động tỷ lệ mã hóa kênh, chọn lựa động giữa điều chế QPSK và 16QAM, mã hóa thích ứng dựa vào điều kiện kênh truyền. 2.2.2 Lập biểu phụ thuộc kênh Bộ lập biểu trong MAChs điều khiển việc sẽ sử dụng phần mã chia sẻ nào và tài nguyên công suất nào cho người sử dụng nào trong một TTI cho trước. Đây là phần tử quan trọng và cũng là một phần tử quyết định ở một mức độ rất lớn tổng hiệu năng của hệ thống HSDPA, đặc biệt là trong một mạng có tải lớn. Có 3 kiểu lập biểu :  Lập biểu tỷ số tín hiệu trên nhiễu cực đại (maxCI): tại mỗi thời điểm hầu như luôn có một đường truyền vô tuyến với chất lượng gần như tốt nhất. Vì thế đường truyền được sử dụng cho truyền dẫn sẽ có chất lượng cao nhất và với điều khiển tốc độ, tốc độ số liệu cao nhất có thể được sử dụng. Điều này dẫn đến dung lượng hệ thống cao. Tuy nhiên nguyên lý lập biểu này không công bằng trong điều kiện các thay đổi xảy ra trong một thời gian dài.  Lập biểu quay vòng: chiến lược lập biểu này cho phép các người sử dụng chia sẻ tài nguyên mã không xét đến các điều kiện kênh tức thời. Lập biểu quay vòng có thể được coi là lập biểu công bằng trong đó khối lượng tài nguyên như nhau được phân cho mọi đường truyền thông tin. Tuy nhiên lập biểu quay vòng không công bằng về mặt đảm bảo chất lượng kênh giống nhau cho tất cả các đường truyền tin.  Lập biểu công bằng tỉ lệ: kiểu lập biểu này tận dụng được các thay đổi nhanh của kênh để cải thiện thông lượng trong khi vẫn đảm bảo thông lượng trung bình như nhau cho tất cả các người sử dụng. 2.2.3 Yêu cầu lặp tự động lai ghép (HARQ) với kết hợp mềm Trong quá trình truyền gói thì trước hết gói cần truyền được nạp vào bộ đệm của nút B. Trong trường hợp giải mã phía thu thất bại, nút B thực hiện phát lại mà không cần RNC tham gia, vì vậy các khối truyền tải bị mắc lỗi có thể được phát lại nhanh. 2.3 Mã Turbo Bộ mã Turbo sử dụng tính chất hệ thống đệ quy đã khắc phục được những nhược điểm của bộ mã hóa chập thông thường. Quá trình giải mã được thực hiện dựa trên thuật toán giải mã ngõ ra mềm SOVA, thuộc họ thuật toán Viterbi. Nó dựa trên thuật toán Viterbi sửa đổi và kết hợp giá trị tin cậy để cải thiện chất lượng giải mã. Việc giải mã được thực hiện bằng bộ giải mã lặp giúp cho thông tin được trao đổi, khai thác nhiều lần qua các vòng lặp sẽ làm tăng đáng kể chất lượng giải mã. Hệ thống HSDPA sử dụng mã Turbo với những tính năng vượt trội so với các bộ mã trước đó đã mang lại hiệu quả cao việc giải mã sữa lỗi.
Xem thêm

80 Đọc thêm

Thuật toán tìm kiếm mẫu (30 Thuật toán)

THUẬT TOÁN TÌM KIẾM MẪU (30 THUẬT TOÁN)

I. GIỚI THIỆU VẪN ĐỀ 2 1. Đặt vấn đề 2 2. Phân loại các thuật toán đối sánh mẫu 2 3. Một số khái niệm và định nghĩa cơ bản về tìm kiếm mẫu: 3 II. MỘT SỐ THUẬT TOÁN TÌM KIẾM MẪU 4 1. Thuật toán tìm kiếm từ phải sang trái 4 1.1. Thuật toán BruteForce 4 1.2. Thuật toán KarpRabin 7 1.3. Thuật toán ShitfOr 10 1.4. Thuật toán MorrisPratt 12 1.5. Thuật toán KnuthMorrisPratt 15 1.6. Thuật toán Not So Naive 19 1.7. Thuật toán Apostolico Crochemore 23 2. Các thuật toán tìm kiếm từ phải qua trái 29 2.1. Thuật toán Colussi 29 2.2. Thuật toán Boyer – Moore 36 2.3. Thuật toán TurboBM 40 2.4. Thuật toán Colussi nghịch đảo 45 2.5. Thuật toán Quick Search 50 2.6. Thuật toán Tuned BoyerMoore : 53 2.7. Thuật toán ZhuTakaoka: 57 2.8. Thuật toán Berry – Ravindran 61 3. Thuật toán tìm kiếm mẫu từ vị trí cụ thể 64 3.1. Thuật toán GalilGiancarlo 64 3.2. Thuật toán Alpha Skip Search 69 4. Thuật toán tìm kiếm mẫu từ bất kỳ 71 4.1. Thuật toán Horspool 71 4.2. Thuật toán Raita 74 4.3. Thuật toán String Matching on Ordered 77 Đối sánh xâu (String matching) là một chủ đề quan trọng trong lĩnh vực xử lý văn bản. Các thuật toán đối sánh xâu được xem là những thành phần cơ sở được cài đặt cho các hệ thống thực tế đang tồn tại trong hầu hết các hệ điều hành. Hơn thế nữa, các thuật toán đối sánh xâu cung cấp các mô hình cho nhiều lĩnh vực khác nhau của khoa học máy tính: xử lý ảnh, xử lý ngôn ngữ tự nhiên, tin sinh học và thiết kế phần mềm. Stringmatching được hiểu là việc tìm một hoặc nhiều xâu mẫu (pattern) xuất hiện trong một văn bản (có thể là rất dài). Ký hiệu xâu mẫu hay xâu cần tìm là X =(x0, x1,..,xm1) có độ dài m. Văn bản Y =(y0, y1,..,yn1) có độ dài n. Cả hai xâu được xây dựng từ một tập hữu hạn các ký tự Alphabet ký hiệu là ∑ với kích cỡ là σ. Như vậy một xâu nhị phân có độ dài n ứng dụng trong mật mã học cũng được xem là một mẫu. Một chuỗi các ký tự ABD độ dài m biểu diễn các chuỗi AND cũng là một mẫu. Input: • Xâu mẫu X =(x0, x1,.., xm1), độ dài m. • Văn bản Y =(y0, x1,.., yn1), độ dài n. Output: • Tất cả vị trí xuất hiện của X trong Y 2. Phân loại các thuật toán đối sánh mẫu Thuật toán đối sánh mẫu đầu tiên được đề xuất là BruteForce. Thuật toán xác định vị trí xuất hiện của X trong Y với thời gian O(m.n). Nhiều cải tiến khác nhau của thuật toán BruteForce đã được đề xuất nhằm cải thiện tốc độ tìm kiếm mẫu. Ta có thể phân loại các thuật toán tìm kiếm mẫu thành các lớp : • Tìm kiếm mẫu từ bên trái qua bên phải: Harrison Algorithm, KarpRabin Algorithm, MorrisPratt Algorithm, Knuth MorrisPratt Algorithm, Forward Dawg Matching algorithm , ApostolicoCrochemore algorithm, Naive algorithm. • Tìm kiếm mẫu từ bên phải qua bên trái: BoyerMoore Algorithm , Turbo BM Algorithm, Colussi Algorithm, Sunday Algorithm, Reverse Factorand Algorithm, Turbo Reverse Factor, Zhu and Takaoka and BerryRavindran Algorithms. • Tìm kiếm mẫu từ một vị trí cụ thể: Two Way Algorithm, Colussi Algorithm , GalilGiancarlo Algorithm, Sundays Optimal Mismatch Algorithm, Maximal Shift Algorithm, Skip Search, KMP Skip Search and Alpha Skip Search Algorithms. • Tìm kiếm mẫu từ bất kỳ: Horspool Algorithm, BoyerMoore Algorithm, Smith Algorithm , Raita Algorithm 3. Một số khái niệm và định nghĩa cơ bản về tìm kiếm mẫu: Giả sử Alphabet là tập hợp (hoặc tập con ) các mã ASSCI. Một từ w =(w0, w1,..,wl) có độ dài l, wl=null giống như biểu diễn của ngôn ngữ C. Khi đó ta định nghĩa một số thuật ngữ sau: • Prefix (tiền tố). Từ u được gọi là tiền tố của từ w nếu tồn tại một từ v để w =uv ( v có thể là rỗng). Ví dụ: u =“AB” là tiền tố của w =“ABCDEF” và u =“com” là tiền tố của w =“communication”. • Suffix (hậu tố). Từ v được gọi là hậu tố của từ w nếu tồn tại một từ u để w =uv ( u có thể là rỗng). Ví dụ: v =“EF” là hậu tố của w =“ABCDEF” và v =“tion” là hậu tố của w =“communication”. • Factor (substring, subword). Một từ z được gọi là một xâu con, từ con hay nhân tố của từ w nếu tồn tại hai từ u, v ( u, v có thể rỗng) sao cho w = uzv. Ví dụ từ z =“CD” là factor của từ w =“ABCDEF” và z =“muni” là factor của w =“communication”. • Period (đoạn). Một số tự nhiên p được gọi là đoạn của từ w nếu với mọi i (0<=i
Xem thêm

82 Đọc thêm

Tìm hiểu về ngôn ngữ C và cài đặt một số thuật toán sắp xếp.

TÌM HIỂU VỀ NGÔN NGỮ C VÀ CÀI ĐẶT MỘT SỐ THUẬT TOÁN SẮP XẾP.

Slide báo cáo thực tập cơ sở, cài đặt một số thuật toán sắp xếpcó đủ từ tư tưởng thuật toán, các bước thực hiện , sơ đồ khối bao gồm 5 thuật toán sắp xếp : SX nổi bọt, SX chèn,SX chọn , SX nhanh và SX trộn

20 Đọc thêm

NGHIÊN CỨU THUẬT TOÁN TƯƠNG QUAN VÀ LỌC TRONG BÀI TOÁN BÁM QUỸ ĐẠO ĐA MỤC TIÊU

NGHIÊN CỨU THUẬT TOÁN TƯƠNG QUAN VÀ LỌC TRONG BÀI TOÁN BÁM QUỸ ĐẠO ĐA MỤC TIÊU

⎣0 1 0 0 0 ⎦Trong đó T là khoảng thời gian giữa hai lần xử lý liên tiếp.2.2 Thuật toán lọc quỹ đạo.Mục đích của hệ thống bám là đưa ra các thông tin trạng thái của hệ thống tạithời điểm quan tâm. Nhưng ta không thể biết chính xác các thông tin này, mà ta chỉcó thể biết giá trị đo được về nó thông qua các phép đo từ sensor. Ta cũng khôngthể sử dụng trực tiếp các thông tin đo này, vì nó kèm theo cả nhiễu sai số từ các đàisensor (đôi khi rất lớn). Vì vậy, chúng ta mong muốn tìm ra một giá trị sát với giátrị trạng thái thực nhất từ kết quả đo. Quá trình này được gọi là quá trình ước lượng.Quá trình ước lượng trong hệ thống bám do thuật toán lọc (Filtering) đảmnhiệm. Có nhiều thuật toán lọc đã được nghiên cứu và phát triển. Mỗi thuật toán cócác ưu nhược điểm riêng và phù hợp với từng mô hình hệ thống cụ thể. Với môhình tuyến tính, thuật toán lọc Kalman được chứng minh là tối ưu. Với mô hình phituyến, có các thuật toán lọc phù hợp hơn như lọc Kalman mở rộng EKF (ExtendedKalman Filter), lọc UKF (Unscented Kalman Filter).2.2.1 Thuật toán lọc tuyến tính Kalman.2.2.1.1 Lưu đồ thuật toán.Thuật toán lọc Kalman áp dụng cho mô hình tuyến tính:xk = φx k −1 + Gwk −1z k = Hx k + vkVới các nhiễu xử lý w và nhiễu đo v là các nhiễu trắng có phân phối xác suấttuân theo chuẩn Gauss, giá trị trung bình bằng 0.Ma trận hiệp phương sai tương ứng với nhiễu xử lý được định nghĩa bởi:Qk −1 = E ( wk −1 wkT−1 )Với E là phép toán kỳ vọng trong xác suất.Tương tự là ma trận hiệp phương sai tương ứng với nhiễu đo v:
Xem thêm

Đọc thêm

ĐÁNH GIÁ BIẾN ĐỘNG ĐẤT ĐAI HUYỆN VĂN CHẤN TỈNH YÊN BÁI BẰNG PHƯƠNG PHÁP ĐÁNH GIÁ SAU PHÂN LOẠI

ĐÁNH GIÁ BIẾN ĐỘNG ĐẤT ĐAI HUYỆN VĂN CHẤN TỈNH YÊN BÁI BẰNG PHƯƠNG PHÁP ĐÁNH GIÁ SAU PHÂN LOẠI

Phân loại không kiểm định gồm một số thuật toán được sử dụng như: thuật toán ISO- DATA, thuật toán K- Mean TRANG 36 theo nguyên tắc khoảng cách tối thiểu, sau đó xác định vị trí trung bì[r]

Đọc thêm

PHƯƠNG PHÁP ĐIỂM GẦN KỀ QUÁN TÍNH CỦA TSENG CHO BÀI TOÁN TỐI ƯU KHÔNG LỒI VÀ KHÔNG TRƠN

PHƯƠNG PHÁP ĐIỂM GẦN KỀ QUÁN TÍNH CỦA TSENG CHO BÀI TOÁN TỐI ƯU KHÔNG LỒI VÀ KHÔNG TRƠN

Nesterov.Các thuật toán tách áp dụng cho các hàm f và h ở đây được áp dụngcho lược đồ lặp riêng biệt. Chính xác hơn, bước tiến áp dụng cho hàm trơnqua gradient còn bước lùi thì áp dụng cho hàm không trơn qua việc sử dụngtoán tử gần kề. Thuật toán được nói ở trên đã được ứng dụng khi giải các bàitoán thực tế xuất hiện trong các lĩnh vực như xử lí hình ảnh và một số vấnđề khác trong kĩ thuật. Các sơ đồ lặp này có nguồn gốc trong việc rời rạchóa theo thời gian của bao hàm thức vi phân bậc hai và nhìn chung các bước2lặp mới được xác định bởi việc dùng hai bước lặp trước nó. Thuật toán nàytrong vòng mười lăm năm gần đây càng ngày càng được xét rất nhiều trongcác bài báo [4].Việc mở rộng sự hội tụ của thuật toán loại gần kề đến tập hợp không lồilà một vấn đề đầy thách thức. Bằng cách giả thiết là các hàm mục tiêu cómột số tính chất giải tích và sử dụng kết quả không trơn được xét bởi tínhchất Kurdyka-Lojasiewicz cho các hàm trơn, lược đồ tiến-lùi cho giải bàitoán này đã được chứng minh có tính chất hội tụ tốt ngay cả trong trườnghợp không lồi [4].Mục đích của đề tài luận văn là nghiên cứu kết quả mới đây trong [4] vềphương pháp điểm gần kề quán tính cho bài toán tối ưu không lồi và khôngtrơn trong không gian hữu hạn chiều.Nội dung của luận văn gồm hai chương:Chương 1: Một số vấn đề cơ bản. Trong chương này trình bày một sốkhái niệm, định lí, tính chất của một số hàm nhiều biến như: Hàm lồi, hàmnửa liên tục, KL hàm. Khái niệm dưới vi phân hàm lồi, dưới vi phân Fréchet.Các khái niệm về đạo hàm khả vi, hàm khoảng cách đến một điểm, khoảngcách Bregman. Giới thiệu thuật toán điểm gần kề quán tính cho hàm lồi.Chương 2: Phương pháp điểm gần kề quán tính cho bài toán tối ưu
Xem thêm

40 Đọc thêm

MÔ PHỎNG THUẬT TOÁN

MÔ PHỎNG THUẬT TOÁN

MÔ PHỎNG THUẬT TOÁN Mô phỏng một số thuật toán sắp xếp, cụ thể là Quicksort và một số thuật toán khác. Mời bạn đọc tham khảo trong bài viết để biết cụ thể hơn. Chúc các bạn đúc rút thêm kiến thức bổ ích. Thân gửi.

6 Đọc thêm

Nghiên cứu về thuật toán định tuyến, giao thức định tuyến có sử dụng thuật toán

NGHIÊN CỨU VỀ THUẬT TOÁN ĐỊNH TUYẾN, GIAO THỨC ĐỊNH TUYẾN CÓ SỬ DỤNG THUẬT TOÁN

Nghiên cứu về thuật toán định tuyến, giao thức định tuyến có sử dụng thuật toán

29 Đọc thêm

TIỂU LUẬN CÁC THUẬT TOÁN TÌM KIẾM VÀ ĐỘ PHỨC TẠP CỦA CÁC THUẬT TOÁN

TIỂU LUẬN CÁC THUẬT TOÁN TÌM KIẾM VÀ ĐỘ PHỨC TẠP CỦA CÁC THUẬT TOÁN

Tiểu luận các thuật toán tìm kiếm và độ phức tạp của các thuật toán

17 Đọc thêm

Cài đặt thuật toán AES 128

CÀI ĐẶT THUẬT TOÁN AES 128

Cài đặt thuật toán AES 128, phục vụ cho bài tập lớn môn Mật Mã học nâng cao tại HV Kỹ thuật Mật Mã. Vào năm 1997, Viện tiêu chuẩn và công nghệ quốc gia Mỹ (NIST) đã phát động một cuộc thi nhằm xây dựng một chuẩn mã dữ liệu mới thay thế cho chuẩn mã dữ liệu cũ DES đã được đưa ra vào năm 1974 (Khi họ cho rằng độ dài khóa của DES là không an toàn và đã có một hệ thống thám mã DES phá được khóa DES trong thời gian 2 ngày). Đến khoảng tháng 8 năm 1998, đã có 15 thuật toán được đưa ra cho NIST lúc bấy giờ. Khoảng 1 năm sau, đã có 5 thuật toán được chọn. Quá trình tuyển chọn cuối cùng kéo dài đến tháng 10 năm 2000, NIST đã công bố chuẩn mã dữ liệu mới được lựa chọn là thuật toán Rijndeal (thuật toán mã khối)
Xem thêm

25 Đọc thêm

Bài tập lớn Thuật toán SHA1

BÀI TẬP LỚN THUẬT TOÁN SHA1

File word mô tả đầy đủ thuật toán hàm băm sha1, dành cho ai tìm hiểu về hàm băm và thuật toán sha1, trong file đã trình bày đầy đủ mọi thứ cần thiết cho hàm băm sha1 và 1 số code java cần thiết cho ai lập trình để thử thuật toán có chính xác hay không.

25 Đọc thêm

Lập trình tính toán mô phỏng thuật toán tìm đường đi ngắn nhất theo thuật toán dijkstra

LẬP TRÌNH TÍNH TOÁN MÔ PHỎNG THUẬT TOÁN TÌM ĐƯỜNG ĐI NGẮN NHẤT THEO THUẬT TOÁN DIJKSTRA

Lập trình tính toán mô phỏng thuật toán tìm đường đi ngắn nhất theo thuật toán dijkstra

17 Đọc thêm

AT9C 14 CaiDatThuatToanAES128

AT9C 14 CAIDATTHUATTOANAES128

Đề tài Cài đặt thuật toán mã hóa AES 128 bit Tìm hiểu về lịch sử thuật toán, quá trình phát triển, cấu tạo, demo thử nghiệm thuật toán. Mọi ý kiến đóng góp xin gửi về hòm thư: ntd.kmagmail.com chúc các bạn có một bài báo cáo tốt và thuận lợi được làm bời Nguyễn Thành Đạt Học viện kỹ thuật mật mã

16 Đọc thêm

Thuật toán A, Thuật toán A, Thuật toán cổ điển hay

Thuật toán A, Thuật toán A, Thuật toán cổ điển hay

Thuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán AThuật toán A

Đọc thêm

Tìm hiểu ngôn ngữ Prolog và giải bài toán người nông dân qua sông bằng thuật toán BFS

TÌM HIỂU NGÔN NGỮ PROLOG VÀ GIẢI BÀI TOÁN NGƯỜI NÔNG DÂN QUA SÔNG BẰNG THUẬT TOÁN BFS

bài toán người nông dân qua sông bằng thuật toán BFS. Tìm hiểu ngôn ngữ Prolog và giải bài toán người nông dân qua sông bằng thuật toán BFS. ....................................................................................................................................................................................................................................................................................................................

16 Đọc thêm

CLOSET +:Nghiên cứu chiến lược tốt nhất để khai thác tập phổ biến đóng

CLOSET +:NGHIÊN CỨU CHIẾN LƯỢC TỐT NHẤT ĐỂ KHAI THÁC TẬP PHỔ BIẾN ĐÓNG

CLOSET+ tích hợp những ưu điểm của các chiến lược đề xuất trước đó và đạt được một vài hiệu quả như một số thuật toán được phát triển gần đây. Trên hết, hiệu suất toàn diện của thuật toán được thể hiện rõ nét nhất qua một số kết quả thực nghiệm trên các tập dữ liệu tổng hợp và thực tế để cho thấy những ưu điểm của CLOSET+ vượt qua so với các thuật toán khai thác dữ liệu tồn tại hiện nay, bao gồm CLOSET, CHARM và OP, về mặt thời gian thực thi, sử dụng bộ nhớ và khả năng mở rộng.
Xem thêm

32 Đọc thêm

NGHIÊN CỨU CÔNG NGHỆ TÁC TỬ DI ĐỘNG VÀ XÂY DỰNG ỨNG DỤNG PHÂN TÁN CẬP NHẬT PHẦN MỀM

NGHIÊN CỨU CÔNG NGHỆ TÁC TỬ DI ĐỘNG VÀ XÂY DỰNG ỨNG DỤNG PHÂN TÁN CẬP NHẬT PHẦN MỀM

THUẬT TOÁN TÁC TỬ TRAO ĐỔI THÔNG ĐIỆP VỚI MÁY CHỦ Thuật toán này được sử dụng khi tác tử di động đang hoạt động tại máy tính khách hàng mà cần có sự trao đổi thông điệp với máy chủ để lấ[r]

88 Đọc thêm

Robot lau nhà bằng phát triển và cải tiến thuật toán di chuyển ziczac và thuật toán PID.

ROBOT LAU NHÀ BẰNG PHÁT TRIỂN VÀ CẢI TIẾN THUẬT TOÁN DI CHUYỂN ZICZAC VÀ THUẬT TOÁN PID.

Trong bài báo cáo này Nhóm 2 chúng em xin trình bày phương pháp di chuyển robot – thuật toán “ Cày ziczag kết hợp với thuật toán PID “áp dụng để xây dựng ứng dụng “ robot lau nhà “. Hiện nay, các công trình nghiên cứu trên thế giới đã đưa ra nhiều thuật toán đường đi bao phủ để giải quyết một số vấn đề trong điều khiển Robot lau nhà và lịch trình đường đi bao phủ tối ưu khoảng cách. Song chủ yếu các thuật toán đưa ra hầu hết đều chỉ thực hiện yêu cầu trong môi trường tĩnh. Với thực tế đó, nhóm chúng em xin đề ra phương hướng giải quyết cho bài toán “ robot lau nhà “ trong môi trường động. Bên cạnh đó , còn đề ra một số giải pháp để cải tiến việc sai số trong định vị và dẫn đường của robot, sai số trong thu thập thông tin về môi trường.
Xem thêm

23 Đọc thêm

Cùng chủ đề