Horspool扩展算法在方块苗文模式匹配中的应用

分析了Horspool算法的原理及特点,提出了一种适用于方块苗文环境的字符串模式匹配算法.该算法结合方块苗文的编码方式及字符串查找的特点,通过对Horspool算法中的字符处理单位进行扩展来适应方块苗文的字符串匹配.实验结果表明,在单字词、双字词和多字词的方块苗文字符串匹配过程中,该算法均呈现出较好的性能,能够用于解决方块苗文的快速检索问题.

用Horspool算法快速查找蒙古文单词

分析了蛮力字符串匹配算法、Boyer-Moore算法和Horspool算法的特点,给出用Horspool算法快速查找蒙古文单词的实现过程.用Horspool算法可以实现快速查找蒙古文单词的功能,并能在文本框中以选中状态显示查找到的单词.

一种改进的BM模式匹配算法

首先介绍了目前最常用的BM模式匹配算法,以及其改进算法Boyer-Moore-Horspool(BMH)算法,在此基础上提出了另一种改进的BM算法,该算法减少了匹配次数,有效的加快模式匹配的速度。

入侵检测系统中改进的AC_BMH算法

提出一种改进的AC_BMH算法。该算法利用双字符进行跳跃,可以在增大模式串失配概率的同时跳过更大的距离,通过结合QS算法进一步增加模式串匹配失败时的跳跃距离,并借助压缩存储机制降低内存的使用量。实验结果表明,相比原AC_BMH算法,改进算法的字符串匹配速度提高了29%～52%,在模式串较多时,内存使用量可减少90%。

一种高效的模式串匹配算法

基于BM算法和Horspool算法,提出了一种简单且高效的模式串匹配算法.将匹配成功部分的每个字符作用于坏字符移动策略以获得多个移动参考量,从这多个参考量中选择最大值作为模式串的当前移动量.模式串在每个不匹配位置的移动量可以仅根据模式串预先计算获得.实验结果表明,该算法在任意不匹配位置所给出的移动量均是当前模式串的最大移动量,提高了模式串匹配的效率.

基于脉冲耦合神经网络的拉曼光谱定性分析

通过对脉冲耦合神经网络(pulse coupled neural network,PCNN)和拉曼光谱定性分析的研究,提出了基于PCNN的拉曼光谱定性分析方法。首先,利用PCNN神经元的疲劳与不应期特性将拉曼光谱数据进行编码;然后,基于改进的Horspool算法将检测样品对应编码与基码数据库中的所有基码逐一匹配,并得到各对应的匹配相似度,进而判定样品类别。相关实验和数据分析证明了该文方法的准确性和有效性。同时,该文方法避免了目前基于谱模版定性分析方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗余度高等不足,且对存储空间的要求仅为后者的5.8%。

单模跳跃算法的分析与改进

为改进串匹配的效率,通过引入有效载荷,对Horspool算法进行了分析。在字符集较小而模式串长度较大时,跳跃距离受字符集大小限制严重。结合好后缀思想,提出了基于好后缀的Horspool算法GsHor:比较窗口内对应末位字符相同的情况下使用好后缀距离移动窗口;结合Quick Search思想,提出了基于坏字符块的Horspool算法BcbHor。实验表明:字符集大小为4时,GsHor算法的比较次数比Horspool算法减小18%以上,BcbHor算法至少减少42.4%。