06 2010 档案
摘要：在日常的需求设计中，遍历组合是一个常见的问题。 例如：现在有N个不同的数。要求在其中找到M个数，使得M个数之和为指定的S，求所有满足条件的组合。 这是一个很明显的遍历组合的问题。一般采用递推算法，求出满足条件的解。 这类问题一般都采用一个数组P，来存放解。遍历整个组合空间，来找出解（有可能是所有解、也可能是一个解，根据题目要求来定） 由于这类问题解法是固定的，故在此把该算法模块化。留待日后...
阅读全文
摘要：在“文本比较算法Ⅰ——LD算法”、“文本比较算法Ⅱ——Needleman/Wunsch算法”中介绍的LD算法和LCS算法都是基于动态规划的。它们的时间复杂度O(MN)、空间复杂度O(MN)（在基于计算匹配字符串情况下，是不可优化的。如果只是计算LD和LCS，空间占用可以优化到O(M)）。 Nakatsu算法在计算匹配字符串的情况下，有着良好的时间复杂度O(N(M-P))和空间复杂度O(N2)，而且在采取适当的优化手段时，可以将空间复杂度优化到O(N)，这是一个很诱人的结果。下面将全面介绍Nakatsu算法。 字符串A和字符串B，计算LCS(A,B) 定义一：设M=Len(A)，N=Len(B.
阅读全文
摘要：在“文本比较算法Ⅰ——LD算法”中，介绍了编辑距离的计算。 在“文本比较算法Ⅱ——Needleman/Wunsch算法”中，介绍了最长公共子串的计算。 在给定的字符串A和字符串B，LD(A,B)表示编辑距离，LCS(A,B)表示最长公共子串的长度。 如何来度量它们之间的相似度呢？ 不妨设S(A,B)来表示字符串A和字符串B的相似度。那么，比较合理的相似度应该满足下列性质。 性质一：0≤S(A,B)≤100%，0表示完全不相似，100%表示完全相等 性质二：S(A,B)=S(B,A) 目前，网上介绍的各种相似度的计算，都有各自的不尽合理的地方。 计算公式一：S(A,B)=1/(LD(A,B)+.
阅读全文
摘要：在“文本比较算法Ⅰ——LD算法”中介绍了基于编辑距离的文本比较算法——LD算法。 本文介绍基于最长公共子串的文本比较算法——Needleman/Wunsch算法。 还是以实例说明：字符串A=kitten，字符串B=sitting 那他们的最长公共子串为ittn（注：最长公共子串不需要连续出现，但一定是出现的顺序一致），最长公共子串长度为4。 定义： LCS(A,B)表示字符串A和字符串B的最长公共子串的长度。很显然，LSC(A,B)=0表示两个字符串没有公共部分。 Rev(A)表示反转字符串A Len(A)表示字符串A的长度 A+B表示连接字符串A和字符串B 性质： LCS(A,A)=Len.
阅读全文
摘要：在日常应用中，文本比较是一个比较常见的问题。文本比较算法也是一个老生常谈的话题。 文本比较的核心就是比较两个给定的文本（可以是字节流等）之间的差异。目前，主流的比较文本之间的差异主要有两大类。一类是基于编辑距离（Edit Distance）的，例如LD算法。一类是基于最长公共子串的（Longest Common Subsequence），例如Needleman/Wunsch算法等。 LD算法（Levenshtein Distance）又成为编辑距离算法（Edit Distance）。他是以字符串A通过插入字符、删除字符、替换字符变成另一个字符串B，那么操作的过程的次数表示两个字符串的差...
阅读全文
