算法设计与优化PDF|Epub|txt|kindle电子书版本网盘下载

算法设计与优化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

1.1 什么是数据结构1

1.1.1 什么是数据结构1

1.1.2 基本概念和术语3

1.1.3 数据结构的存储方式3

1.2 算法描述与分析4

1.2.1 什么是算法4

1.2.2 算法描述工具4

1.2.3 算法分析技术初步5

1.2.4 常用算法实现及分析6

参考文献7

第二章 线性表8

2.1 线性表定义和基本运算8

2.1.1 线性表定义8

2.1.2 线性表基本运算9

2.2 线性表顺序存储结构11

2.3 线性表链式存储结构16

2.3.1 单向线性链表16

2.3.2 循环链表23

2.3.3 双向链表25

2.4 线性表顺序和链式存储对比26

2.5 线性表应用实例27

参考文献29

第三章 栈和队列30

3.1 栈30

3.1.1 栈的定义30

3.1.2 栈的基本操作31

3.1.3 栈的实现31

3.2 栈的应用35

3.2.1 数制转换35

3.2.2 表达式求值36

3.2.3 符号匹配38

3.2.4 栈与递归38

3.3 队列40

3.3.1 队列的定义40

3.3.2 队列的基本操作41

3.3.3 队列的实现41

3.4 队列的应用46

3.4.1 打印机缓冲区46

3.4.2 舞伴问题46

3.4.3 CPU分时系统48

参考文献48

第四章 树49

4.1 树的定义和基本概念49

4.1.1 树的定义49

4.1.2 树的基本概念49

4.1.3 树与线性结构的对照51

4.2 二叉树51

4.2.1 二叉树的定义和基本术语51

4.2.2 二叉树的性质51

4.2.3 二叉树的存储结构53

4.3 遍历二叉树56

4.3.1 先根遍历56

4.3.2 中根遍历56

4.3.3 后根遍历57

4.3.4 二叉树遍历算法的应用57

4.4 线索二叉树59

4.4.1 线索二叉树的基本概念59

4.4.2 线索二叉树的逻辑表示图60

4.5 树和森林61

4.5.1 树的存储结构61

4.5.2 森林与二叉树的转换64

4.5.3 树与二叉树的转换66

4.5.4 树和森林的遍历67

4.6 哈夫曼树及其应用68

4.6.1 最优二叉树（哈夫曼树）68

4.6.2 哈夫曼编码71

参考文献75

第五章 图76

5.1 图的定义和术语76

5.2 图的存储结构79

5.2.1 邻接矩阵79

5.2.2 邻接链表81

5.2.3 十字链表85

5.2.4 邻接多重表86

5.3 图的遍历86

5.3.1 深度优先搜索算法87

5.3.2 广度优先搜索算法89

5.4 图的连通性问题91

5.4.1 无向图的连通分量与生成树91

5.4.2 有向图的强连通分量94

5.5 最小生成树96

5.5.1 普里姆算法96

5.5.2 克鲁斯卡尔算法99

5.6 有向无环图及其应用101

5.6.1 拓扑排序102

5.6.2 关键路径104

5.7 最短路径107

5.7.1 从某个源点到其他各顶点的最短路径107

5.7.2 求每一对顶点之间的最短路径110

参考文献113

第六章 查找114

6.1 查找114

6.1.1 查找表114

6.1.2 查找114

6.2 静态查找表116

6.2.1 顺序表的查找116

6.2.2 有序表的查找117

6.2.3 索引顺序表的查找120

6.3 动态查找表121

6.3.1 二叉排序树121

6.3.2 平衡二叉树129

6.4 散列表134

6.4.1 散列表思想134

6.4.2 散列过程134

6.4.3 散列技术的特点134

6.4.4 散列技术的冲突问题134

参考文献141

第七章 排序142

7.1 排序术语及记号142

7.2 三种代价为？（n2）的排序方法143

7.2.1 插入排序143

7.2.2 起泡排序145

7.2.3 选择排序146

7.2.4 交换排序算法的时间代价148

7.3 希尔排序148

7.4 堆排序150

7.5 归并排序153

7.6 快速排序155

7.6.1 选取枢纽元156

7.6.2 分割策略157

7.6.3 小数组159

7.6.4 实际的快速排序程序159

7.7 大型结构的排序161

7.8 排序算法的一般下界162

7.9 外部排序164

7.9.1 外部排序模型164

7.9.2 简单算法164

7.9.3 多路合并166

7.9.4 多相合并167

7.9.5 替换选择168

参考文献169

第八章 分类算法171

8.1 朴素贝叶斯算法171

8.2 ROCCHIO算法173

8.3 KNN算法174

8.3.1 距离度量174

8.3.2 k值的选择176

8.3.3 Kd树177

8.4 决策树178

8.4.1 ID3算法178

8.4.2 C4.5算法179

8.4.3 决策树剪枝180

8.5 支持向量机181

8.6 神经网络184

8.7 分类器集成186

参考文献187

第九章 聚类算法188

9.1 聚类188

9.1.1 聚类简介188

9.1.2 聚类分析概述190

9.1.3 聚类分析方法190

9.1.4 聚类算法比较192

9.2 相似度计算193

9.2.1 相似度计算概述193

9.2.2 连续型属性计算193

9.2.3 二值离散型属性的相似性计算方法194

9.2.4 多值离散型属性的相似性计算方法196

9.3 K-MEANS算法196

9.3.1 K-means算法简介196

9.3.2 K-means算法注意问题197

9.3.3 K-means算法步骤199

9.3.4 K-means算法示例200

9.3.5 K-means算法评价201

9.4 K-MEDOIDS算法202

9.4.1 K-medoids算法简介202

9.4.2 K-medoids算法步骤203

9.4.3 K-medoids算法的四种情况204

9.4.4 K-medoids算法例题理解205

9.5 CLARA算法207

9.5.1 CLARA算法简介207

9.5.2 CLARA算法步骤207

9.5.3 CLARA算法样本数据抽取208

9.5.4 聚类划分209

9.5.5 代价计算210

9.6 层次法212

9.7 密度法213

9.8 网格法214

参考文献215

第十章 高级算法分析217

10.1 社交网络定义217

10.1.1 社交网络的起源217

10.1.2 在线社交网络的概念217

10.1.3 在线社交网络的特点218

10.2 传统的情感分析技术218

10.2.1 意见定义及分类219

10.2.2 基于语义规则的情感分析技术220

10.2.3 基于监督学习的情感分析方法224

10.2.4 基于话题模型的方法229

10.2.5 情感摘要技术230

10.2.6 基于迁移学习机制的情感分析技术232

10.3 面向短文本的情感分析技术233

10.4 社交网络群体行为236

10.4.1 群体互动的关系选择236

10.4.2 群体互动的内容选择236

10.4.3 群体互动的时间规律237

10.4.4 用户行为的模型研究237

10.5 用户偏好模型239

10.6 数据挖掘中的关联规则算法240

10.6.1 关联规则的基本理论和概念240

10.6.2 Apriori算法研究241

10.6.3 FP-tree算法研究243

10.7 基于链接分析的网页排序算法249

10.7.1 搜索引擎排序算法250

10.7.2 PageRank算法251

10.7.3 HITS算法254

10.7.4 比较PageRank算法和HITS算法258

参考文献259