基于二态模型递归树的遥测全帧数据仿真算法

由于不同型号飞行器的遥测数据帧格式复杂多变、形式各异,使得工作人员不得不频繁更动遥测数据仿真软件,尤其在面对新型号飞行器时,软件甚至需要重新开发。为此,提出了一种基于二态模型递归树的通用化遥测全帧数据仿真算法。首先,通过对遥测全帧数据的特点进行分析,提出了基于参数数据和结构数据的遥测全帧数据通用化二态表达模型,构建了描述遥测全帧数据的递归树,实现了遥测全帧数据通用化描述。其次,针对遥测全帧数据仿真问题,提出了基于多元函数递归运算的结构数据生成算法,并设计了参数反演算法,实现了遥测全帧数据的通用化仿真。最后,通过算例分析,验证了算法在遥测全帧数据仿真中的实用性和有效性。

基于递归树的递归调用分析

提出一种基于递归树的递归调用分析方法。通过建立子递归调用与树节点的映射关系,设计了创建递归树的递归算法。研究了观察点与递归树遍历序列的关系,提出了"遍历序列-观察点-递归调用映射规则"。实现了递归树的创建及遍历,并基于STL和boost库定义了一组分析工具。

描述递归算法的有效工具──递归树

通过分析具体问题，抓住扩展条件和回溯条件两个关键点，画出递归树，由递归树写出相应的递归算法．

广义确定性均匀递归树网络的拉普拉斯谱

在复杂网络的模型构建与性质研究领域中,确定性均匀递归树网络模型DURT(Deterministic Uniform Recursive Tree)得到了广泛应用。在DURT网络模型的基础上提出一种适用范围更广的广义确定性均匀递归树演化模型GDURT(Generalized Deterministic Uniform Recursive Tree),通过设计一种能够真实反映网络增长演变特点的最优节点分层编号方法,结合代数化简,找出了能够快速计算GDURT网络的拉普拉斯特征值和特征向量递推关系式,并对GDURT网络的拉普拉斯谱性质做了分析。

推广的确定性均匀递归树演化模型的拓扑性质

在URT(uniform recursive tree)模型的基础上,提出一种推广的确定性均匀递归树演化模型GDURT(generalized deterministic uniform recursive tree)。通过精确推导,求得该模型的累计度分布、平均路径长度、度相关性等拓扑性质,表明了该类网络模型与URT和DURT网络模型类似,为小世界网络,且具有指数度分布和协调的度相关特性,并对产生这些特性的原因作出了分析。

递归树在用迭代法解递归方程渐近阶中的应用

迭代是广泛存在的,而且是拓扑动力系统的基础,但它的运算却相当复杂.介绍了利用递归的办法来进行迭代运算的部分实例.

均匀递归树的去点问题(英文)

本文研究了均匀递归树的去点过程.对于任意给定的点i,利用矩母函数,给出了对应子树顶点数的准确分布,推广了A.Panholzer所做的工作.

随机递归树结点度数的同余类的渐近分布

用广义Pólya罐模型研究随机均匀递归树结点度数的同余类的渐近分布。考虑结点数为n的随机均匀递归树,将树上的结点按其度数关于模m的同余类分成m类,当n趋向无穷时,这m类结点的数目的联合分布渐近正态。

确定性均匀递归树的谱分析

确定性均匀递归树的网络性质的研究已经有了大量的结果。关于确定性均匀递归树的谱的研究,章忠志等也提出了其拉普拉斯矩阵特征值的迭代关系。基于这个结果,我们又提出了推广的拉普拉斯矩阵,通过对其特征值进行分析,从而证明了确定性均匀递归树的邻接矩阵的特征值也存在同样的递归关系。同时我们也对无符号拉普拉斯矩阵做同样的推广。根据推广的拉普拉斯矩阵(无符号拉普拉斯矩阵)我们得到了一些结果,从而进一步了解确定性均匀递归树生成过程中特征值的变化以及其他相关的代数性质。

递归树的若干枚举特征

递归树由Meir和Moon定义作非平面增长树的一种，且所有节点出度都是允许的．本文首先在n个节点的递归树集合和n-1个元素的排列之间建立一个新的──对应，这个对应能同时给出树叶子和排列中的路段之间的对应和树叶子数和排列中的路段数之间的密切关系．同时还研究递归树的各种枚举特征，诸如节点的分类枚举（内节点和叶子节点、偶节点和奇节点，具不同出度的节点）和通路长度枚举（接各种节点分类）．

均匀递归树的分支结构

研究均匀递归树的分支结构中的有关问题.用独立和的方法得出了在大小为n的均匀递归树上分支数目ηn的分布律,建立了ηn的强大数律,中心极限定理和重对数律;证明了ηn和顶点n的深度ξn是同分布的;得出了大小为m的分支数ζn,m的分布律,并且证明了ζn,m的极限分布就是参数λ=1/m的Poisson分布,给出了各种分支数目的联合分布及其极限分布;还研究了大小为n的均匀递归树上最大分支的大小,证明了在n→∞时,它几乎必然趋于无穷.

一种将递归过程转换为非递归过程的方法研究

提出一种把递归过程转换为非递归过程的方法——递归树法,画出递归过程的递归树,然后通过对递归树的后根序遍历实现递归过程的非递归化,最后通过案例说明该方法的可行性和有效性。

递归程序结构研究

对递归程序的结构进行了较为深入的研究 ,提出了递归树的概念 ,给出了递归程序的一般结构 ,把递归分为简单链结构、树状结构、复杂链结构三种情况 ,据此 ,给出了复杂的递归问题的程序设计方法 ,根据此方法 ,可方便地写出较为复杂的递归问题的递归程序 ,从而提高设计递归程序的效率。

递归算法分析中主定理的应用

算法的时间和空间复杂度分析是计算机算法设计的重要内容,递归算法的时间复杂度分析尤为困难。给出了主定理的证明,并讨论了如何利用主定理来分析一类递归算法的时间复杂度,最后给出了主定理实用的范围。

关于一类递归矩阵

递归树由Meir和Moon定义作平面树的一种 ,并且所有节点出度都是允许的。在这篇文章中称递归树的伴随矩阵为递归矩阵 ,通过对递归矩阵的讨论 ,我们得到了递归矩阵的计数公式 ,不但照应递归树的计数公式[2 ] ,而且证明简易 ;导出了递归树矩阵最大密度指数集I(A(Tn) ) ={ 1,2 ,4 ,… ,2k ,… }以及最大密度数μ(A(Tn) ) =n22 ,n =2k ,(k≥ 1)n2 + 12 ,n =2k + 1。 (k≥ 1)

基于决策树和遗传算法的模糊分类系统设计

提出一种基于决策树初始化和遗传算法优化的模糊分类系统的设计方法.该方法首先采用分类和递归树(CART)算法进行决策树的生长,树的修剪过程简化了初始决策树;然后,把修剪后的决策树转化为模糊模型,利用匹茨堡型实数编码的遗传算法优化该模糊模型.为了提高模型的解释性,在遗传算法中利用基于相似性的模型简化方法对模型进行约简.最后利用该方法对Iris问题进行研究,仿真结果验证了该方法的有效性.

一种基于前缀编码的树生成算法

为了使树生成算法更为通用且效率更高,提出一种基于前缀编码的树生成算法.算法中的节点采用前缀编码的数据结构,便于用户对树中节点及其下层子节点上的关联数据进行快速查询和统计.由于在构造树之前已采用先根遍历的方式对节点进行了排序,同时建树过程中记录了最近各层节点的信息,因此无需搜索节点的上下层信息就可直接建立起树,大幅提高了建树效率,算法时间复杂度为O(n).该算法无需额外的数据预处理即可构造任意子树,且不会增加算法复杂度.

基于前缀编码的先根遍历树生成算法的研究与应用

在管理信息系统的层次分类树中,为了快速查询分类信息并高效地生成层次分类子树,提出了一种基于前缀编码的先根遍历树生成算法。该算法中的节点采用前缀编码的数据结构,便于快速检索出子树节点集合;在构造子树时预先对其进行先根遍历,产生有序遍历表,同时记录最近各层节点的信息,使得建立子树的效率得到大幅提高。最后通过实例验证了所提算法的有效性,为管理信息系统中层次分类树的建立提供了可行的解决途径。

GDURT演化模型的拓扑性质

均匀递归树模型(Uniform Recursive Tree,URT)在复杂网络确定性模型研究领域中得到了广泛的关注和应用。在URT模型的基础上提出一种推广的确定性均匀递归树演化模型(Generalized Deterministic Uniform Recursive Tree,GDURT),通过精确求得该模型的累计度分布、平均路径长度、度相关性等拓扑性质,证明了该类网络模型与URT和DURT网络模型类似,为小世界网络,且具有指数度分布和协调的度相关特性,并对产生这些特性的原因作出了理论分析。

分层编号法计算GDURT模型的拉普拉斯谱

在URT(Uniform Recursive Tree)模型的基础上提出一种广义的确定性均匀递归树复杂网络演化模型GDURT(Generalized Deterministic Uniform Recursive Tree).通过设计一种能够真实反映网络增长演变特点的最优分层节点编号方法,结合代数化简,找出了GDURT网络的拉普拉斯特征值和特征向量递推关系式,并对GDURT网络的拉普拉斯谱性质做了分析.