数据等概率分档排序算法有效性的定量研究

归纳提出了数据等概率分档排序算法 .该算法综合分析了以往的概率统计排序算法 ,充分利用了数据的分布信息 ,使得待排序数据尽可能平均分配到不同的区间内 ,分别对不同区间的数据排序 ,进而得到有序的序列 ;提出了数据等概率分档排序算法有效性的定量研究 ,从理论上量化并论证了分档数m的取值、分布类型的近似程度以及影响它们的几个因素 ,而这些方面的量化能为实际排序提供指导 ;推导出了一些重要的结论 .

大学生创新训练项目立项评审的加权秩和比分档排序

分档筛选大学生创新训练项目是立项评审的重要环节。本文以项目研究基础、研究团队、指导教师、选题、研究方案、研究成果、创新点和答辩过程等8项评价内容作为大学生创新训练项目立项评审指标,以XX大学17项大学生创新训练项目立项评审原始数据为基础,应用加权秩和比法,给出了这些项目分档排序的计算步骤及结果 ,可为大学生创新训练项目立项评审提供参考方法。

分档混合排序算法

对传统典型的几种排序算法 :直接比较排序、冒泡排序、快速排序、分档排序与基数排序的效率进行了全面的分析与比较 ,在此基础上提出了一种称之为分档混合排序算法的新的排序算法 。

分档定位排序以及向分档定位查找的发展

分析了“王向阳二次分档排序”的不足 给出了等概分档映射算法 ,对已知分布函数的n个任意数据 ,仅需遍历计算一次 ,就可以分为m档 ,实现档之间有序化 (档内仍无序 ) 令m≥n ,可以使得每档数据量期望值不大于 1,待排序序列已经接近有序化了 ,只需用很少的时耗即可完成档内排序 ,从而建立一个有序且等概分档的查找表 在此基础上 ,提出了分档定位查找算法 ,其优势是 :①对于待查找的某个数 ,不需要进行“比较” ,而只要进行“计算” ,就可以直接在该查找表中确定一个数据“档”作为查找目标 ;②可以在该“档”范围内使用折半查找等高效查找 ;③适用于任意数据且数据量很大的查找表 ;④在避免了全程查找的同时也避免了“冲突”

针对字符串等复杂数据的一种新的高效分档混合排序算法

针对字符串及记录等复杂数据及分布不均匀的数字数据的排序问题 ,在全面分析与提高各种排序算法的优点的基础上提出了一种新的高效分档排序算法 。

针对任意分布数据的高效分档混合排序算法

针对任意分布数据的排序问题,在把对文献[7][8][9]等分档排序算法的改进与该算法在程序语言中的实现技术的改进相结合的基础上,提出了一种新的针对任意分布数据的高效分“档”排序算法,并通过把它与最近排序方面的工作进行比较说明了它的优越性。

一种新的外排序方法

本文提出一种谓之代码转换、分档外排序的新排序方法。给出排序算法及用Ｃ语言编程进行实验的结果。算法分析和实验结果都表明在被排数据均匀分布的情况下整个排序过程只需对外存储器上的数据进行两次读写，所以该排序方法是一种速度极快的外排序方法。

任意分布数据的二次分“档”链接排序算法研究

本文提出一种谓之二次分“档”链接的新排序方法 (以下简称为“二次分“档”链接排序”) ,给出了该排序算法的描述、时间复杂度分析、空间复杂度分析及用 C语言编写程序进行算法比较的实验结果 .算法分析和实验结果都表明 :二次分“档”链接排序方法与待排序数据分布情况无关且时间复杂度仅为 O( N) ,而附加存储空间开销仅为 N+Δ M+2 (这里 ,N为待排序数据个数 ,△ M为关键字的变化范围 ) ,该算法不仅稳定 ,而且排序速度明显优于 Quick Sort、FlashSort〔2〕、Proportion Split Sort〔3〕、分段快速排序〔5〕等算法 .

北京师大首届社科优秀成果评奖工作谈

１９９７年年底，北京师范大学为了促进文科科研工作，在校内开展了首届社科评奖活动。这次评奖自１９９７年１２月正式启动以来，经过了个人申请、系所推荐、统一外审、分档排序、专家评审和异议处理等六个阶段，到今年６月得出了最后的结果。共有８３项成果在这次评选活...

基于标准化变换的求和法:一种新的样品聚类分析方法

本文目的是介绍一种新的样品聚类分析方法,即基于标准化变换的求和法,它也可归类于传统综合评价方法体系之中。具体地说,第1步,对全部定量变量进行同趋势化变换;第2步,选择一种合适的定量变量标准化变换方法,使第3步中求得的"综合指标"的标准差达到最大值;第3步,求每个样品按综合指标上的数值,即求每个样品在全部标准化变换后的定量指标上取值之和;第4步,将全部样品按综合指标上的取值由大到小(整体为高优指标)或由小到大(整体为低优指标)排序,此顺序就是由优到劣的顺序。基于统计学基础知识和任何两个样品之间易于判定优劣的基本常识,本文提出了评价样品优劣排序合理性的两条标准。以此标准为依据,得出本文方法比其他七种综合评价方法(本质上是样品排序或样品聚类)的排序结果都更为合理。

基于Probit线性回归对2019~2020赛季CBA联赛前12支球队攻防综合能力分档研究

为研究2019~2020赛季CBA联赛前12强球队的攻防水平,采用文献资料、数理统计、RSR、Probit线性分析与录像观察等方法对2019~2020赛季CBA联赛前12支球队攻防能力进行分档研究。结果显示:(1)前12强球队攻防能力RSR值与他们在常规赛排名具有相关性。(2)采用Probit模型对12支球队攻防能力RSR值进行线性回归分析,该模型的决定系数R;=0.925,F=122.335,P=0.000(<0.01),经检验呈高度显著相关性,说明模型具有很好的拟合结果,因此所建立的线性回归方程具有统计意义。(3)采用线性回归方程模型对12支球队进行分档处理,结果表明12支球队攻、防综合能力和球队排名比较相符。建议各支球队关注世界篮球发展趋势,及时更新球队比赛理念;各支球队要根据自己弱势技术指标进行针对训练,共同促进CBA联赛可持续发展。