hash算法实现

hash表的实现

#include #define M 13 typedef int KeyType; KeyType ht[M]; int p=13;

int hash(KeyType k)

{

return k%p;

} void init()

{ int i;

for(i=0;i

ht[i]=0; }

void insert(KeyType k)

{ int d,i; d=hash(k);

for(i=0;i

ht[(i+d)%M]=k;

}

int search(KeyType k)

{ int i,d; d=hash(k); if(ht[d]==k) return d; else {

for(i=1;i

if(i

d=(d+i)%M; return d;

} else return -1;

}

}

void print()

{ int i;

for(i=0;i

}

void main()

/*{ KeyType k; init();

printf(\scanf(\while(k!=0)

{ insert(k); scanf(\

} print();

printf(\

scanf(\if(search(k)!=-1)

printf(\

Computer Science and Application 计算机科学与应用, 2017, 7(1), 67-73 Published Online January 2017 in Hans. /journal/csa /10.12677/csa.2017.71009

文章引用: 马小雪, 王英. 基于Hash 函数的文本图像脆弱水印算法[J]. 计算机科学与应用, 2017, 7(1): 67-73. /10.12677/csa.2017.71009

Fragile Watermarking Algorithm for the Text Image Based on Hash Function

Xiaoxue Ma, Ying Wang

Qingdao University, Qingdao Shandong

Received: Jan. 6th , 2017; accepted: Jan. 21st , 2017; published: Jan. 24th

, 2017

Abstract Aiming at the actual demand of authenticity and integrity authentication of te

中国Unix/Linux软件开发联盟 http://www.lisdn.com

IDW 算法MATLAB 实现

linux软件开发

%IDW（反距离加权插值法）

%其中x,y,z为已知坐标及其函数值,X,Y为要插值的坐标 %x,y,z,X,Y最高为二维的，不可为三维 %不考虑x，y中出现重复坐标的情况 function [Z]=IDW(x,y,z,X,Y) [m0,n0]=size(x); [m1,n1]=size(X);

%生成距离矩阵r(m0*m1*n1,n0) for i=1:m1 for j=1:n1

r(m0*n1*(i-1)+m0*(j-1)+1:m0*n1*(i-1)+m0*(j),:)=sqrt((X(i,j)-x).^2+(Y(i,j)-y).^2); end end

%定义插值函数 for i=1:m1 for j=1:n1

if find(r(m0*n1*(i-1)+m0*(j-1)+1:m0*n1*(i-1)+m0*(j),:)==0)

[m2,n2]=find(

基于hash算法的DNA序列的k-mer index 问题

摘 要

序列比对是生物信息学中的经典问题，为了在数量日渐庞大的基因序列中查询k-mer序列的位置，文中基于哈希算法建立了合适的快速查询索引方法。首先将基因序列中的A、T、G、C分别用四进制数表示，然后利用四进制转换成十进制的方式取得关键码值建立哈希表进行索引查询，最后在16G内存的Windows系统下，采用C语言建立哈希表，并加入链表以达到快速索引的目的并使K的取值范围为[1~16]。

根据建模过程，将对建立索引的算法进行叙述和冲突分析；对建立索引算法的计算复杂度和空间复杂度进行分析；对索引查询进行叙述及性能分析；分析整套算法程序在不同k值下内存占用及极限分析。总结分析整套索引算法性能，对算法进行缺陷分析及改进方案。

关键词：索引算法；Hash表；链表；K-mer快速索引

I. 问题重述

1. 问题背景

给定一个DNA序列，这个系列只含有4个字母ATCG，如 S =“CTGTACTGTAT”。给定一个整数值k，从S的第一个位置开始，取一连续k个字母的短串，称之为k-mer（如k= 5，则此短串为CTGTA），然后从S的第二个位置，取另一k-mer

湖南商学院

<<计算机软件程序设计>>课程设计报告

题 目 各种排序算法的实现

姓 名: 学 号: 专 业 班 级: 指导教师: 职 称

计算机与电子工程学院

2011年 1月

目 录

1 课程设计任务与要求 ????????????????????1 1.1 课程设计目的 ?????????????????????1 1.2 课程设计任务 ?????????????????????1 1.3 课程设计要求 ?????????????????????1 2 各种排序算法的分析 ????????????????????1 2.1 排序 ?????????????????????????1 2.2 排序的稳定性 ?????????????????????1 2.3 排序的分类 ??????????????????????2 2.4 六种排序算法的代码 ??????????????????3 3 总体设计（概要设计） ???????????????????6 3.1 总体设计思想 ?????????????????????6 3.2 流程图 ?????????????

DSP常见算法的实现

3.6 常见的算法实现

在实际应用中虽然信号处理的方式多种多样，但其算法的基本要素却大多相同，在本节中介绍几种较为典型的算法实现，希望通过对这些例子（单精度，16bit）的分析，能够让大家熟悉DSP编程中的一些技巧，在以后的工作中可以借鉴，达到举一反三的效果。

1. 函数的产生

在高级语言的编程中，如果要使用诸如正弦、余弦、对数等数学函数，都可以直接调用运行库中的函数来实现，而在DSP编程中操作就不会这样简单了。虽然TI公司提供的实时运行库中有一些数学函数，但它们所耗费的时间大多太长，而且对于大多数定点程序使用双精度浮点数的返回结果有点“大材小用”的感觉，因此需要编程人员根据自身的要求“定制”数学函数。实现数学函数的方法主要有查表法、迭代法和级数逼近法等，它们各有特点，适合于不同的应用。

查表法是最直接的一种方法，程序员可以根据运算的需要预先计算好所有可能出现的函数值，将这些结果编排成数据表，在使用时只需要根据输入查出表中对应的函数值即可。它的特点是速度快，但需要占用大量的存储空间，且灵活度低。当然，可以对上述查表法作些变通，仅仅将一些关键的函数值放置在表中，对任意一个输入，可根据和它最接近的数据采用插值方法来求得。这样占用的存储

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%*********************细菌觅食算法**********************

%%%%%%%%%%%%%%%%%%%-----BFA算法-----%%%%%%%%%%%%%%%%%%% clear; clc;

%-----(1)初始化参数-----

bounds = [-5.12 5.12;-5.12 5.12]; % 函数变量范围 p = 2; % 搜索范围的维度 s = 26; % 细菌的个数 Nc = 50; % 趋化的次数

Ns = 4; % 趋化操作中单向运动的最大步数

C(:,1) = 0.001*ones(s,1); % 翻转选定方向后，单个细菌前进的步长 Nre = 4; % 复制操作步骤数 Ned = 2; % 驱散(迁移)操作数 Sr = s/2; % 每代复制（分裂）数 Ped = 0.25; % 细菌驱散(迁移)概率

d_attract = 0.05; % 吸引剂的数量

ommiga_attract = 0.05; % 吸引剂的释放速度

#include #include\

#define PMAX 100 #define PMIN -100 #define DMAX 100

#define DMIN -100 #define FMAX 100

int PFF[4]={0,12,24,48}; /*语言值的满幅值*/

int DFF[4]={0,16,32,64}; /*输入量D语言值特征点*/ int UFF[7]={0,15,30,45,60,75,90}; /*输出量U语言值特征点*/

/*采用了调整因子的规则表,大误差时偏重误差,小误差时偏重误差变化*/ /*a0=0.3,a1=0.55,a2=0.74,a3=0.89 */

int rule[7][7]={ //误差变化率 -3,-2,-1, 0, 1, 2, 3 // 误差 {-6,-6,-6,-5,-5,-5,-4,}, // -3 {-5,-4,-4,-3,-2,-2,-1,}, // -2

将以下数据保存为sj.txt

53.7121 15.3046 51.1758 0.0322 46.3253 28.2753 30.3313 6.9348 56.5432 21.4188 10.8198 16.2529 22.7891 23.1045 10.1584 12.4819 20.1050 15.4562 1.9451 0.2057 26.4951 22.1221 31.4847 8.9640 26.2418 18.1760 44.0356 13.5401 28.9836 25.9879 38.4722 20.1731 28.2694 29.0011 32.1910 5.8699 36.4863 29.7284 0.9718 28.1477 8.9586 24.6635 16.5618 23.6143 10.5597 15.1178 50.2111 10.2944 8.1519 9.5325 22.1075 18.5569 0.1215 18.8726 48.2077 16.8889 31.9499 17.6309 0.7732 0.4656 47.4134 23.7783 41.8671 3.5667 43.5474 3.9061 5

Apriori算法详解及java代码实现

1 Apriori介绍

Apriori算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k项集用于探索(k+1)项集。首先，通过扫描事务（交易）记录，找出所有的频繁1项集，该集合记做L1，然后利用L1找频繁2项集的集合L2，L2找L3，如此下去，直到不能再找到任何频繁k项集。最后再在所有的频繁集中找出强规则，即产生用户感兴趣的关联规则。

其中，Apriori算法具有这样一条性质：任一频繁项集的所有非空子集也必须是频繁的。因为假如P(I)< 最小支持度阈值，当有元素A添加到I中时，结果项集（A∩I）不可能比I出现次数更多。因此A∩I也不是频繁的。

2 连接步和剪枝步

在上述的关联规则挖掘过程的两个步骤中，第一步往往是总体性能的瓶颈。Apriori算法采用连接步和剪枝步两种方式来找出所有的频繁项集。 1） 连接步

为找出Lk（所有的频繁k项集的集合），通过将Lk-1（所有的频繁k-1项集的集合）与自身连接产生候选k项集的集合。候选集合记作Ck。设l1和l2是Lk-1中的成员。记li[j]表示li中的第j项。假设Apriori算法对事务或项集中的项按字典次序排序，即对于（k-1）项集li，li[1