wxshi的专栏

Aho-Corasick Algorithm 简称简称AC算法，通过将模式串预处理为确定有限状态自动机，扫描文本一遍就能结束。其复杂度为O(n)，即与模式串的数量和长度无关；与其相当的就是Wu-Manber algorithm了（由吳昇博士跟 UdiManber所提出）。 AC算法的主要思想就是构造的有限状态自动机，根据有限状态自动机会根据输入进行模式串匹配。有限状态自动机会随着字符的输入而发

KMP算法(Knuth-Morris-Pratt ),java实现KMP算法

BM算法时间上也是O(M+N)，而且可以跳着search，但不适合characterset 太小的状况； BM算法主要涉及两个主要步骤：BadCharacter rule 和 Good Suffix rule，并且右后往前比对。 1.建立字符表，坏字符规则（BadCharacter rule）： 思想： 字符表中的每个字符在匹配的的规则字符串（pattern）是否出现过，若没有出现，

所谓Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数，操作包括一切你使用的手段将一个字符串转换成另一个字符串，比如插入一个字符、删除一个字符..等等；操作次数越少，说明两个字符串距离Levenshtein Distance越小，表示两个字符串越想似。 应用最广泛的的当然就是DNA序列比对了。 此处算法思想用一个“代价表”表示（我这里这么称呼，因为比对过程中产

Kmeans算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。Kmeans算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 假设要把样本集分为K个类别，算法描述如下： （1）适当选择K个聚类的初始中心； （2）在第K次迭代中，对任意一个样本，求其到K个中心的距离，将该样本归到距离