最近在定位dpi應用識別的問題，總是發現在特徵數量達到一定規模的時候，特徵匹配不出來;所以又得投身於分析有點難搞的acbm演算法了。不過最終確定該問題並不是匹配部分問題，而是初始化編譯狀態機的問題。
在分析kpm演算法之前，先看一下我們最容易想到的查詢辦法。
首先，字串」bbc abcdab abcdabcdabde」的第乙個字元與搜尋詞」abcdabd」的第乙個字元，進行比較。因為b與a不匹配，所以搜尋詞後移一位。
因為b與a不匹配，搜尋詞再往後移這裡寫描述
就這樣，直到字串有乙個字元，與搜尋詞的第乙個字元相同為止
接著比較字串和搜尋詞的下乙個字元，還是相同。
直到字串有乙個字元，與搜尋詞對應的字元不相同為止。
這時，最自然的反應是，將搜尋詞整個後移一位，再從頭逐個比較。這樣做雖然可行，但是效率很差，因為你要把」搜尋位置」移到已經比較過的位置，重比一遍。
怎麼做到這一點呢？可以針對搜尋詞，算出一張《部分匹配表》（partial match table）。這張表是如何產生的，後面再介紹，這裡只要會用就可以了。後面會詳細分析部分匹配值的計算方法。
已知空格與d不匹配時，前面六個字元」abcdab」是匹配的。查表可知，最後乙個匹配字元b對應的」部分匹配值」為2，因此按照下面的公式算出向後移動的位數：
移動位數 = 已匹配的字元數 - 對應的部分匹配值
因為 6 - 2 等於4，所以將搜尋詞向後移動4位。移動4位後結果如下圖
因為空格與a不匹配，繼續後移一位
逐位比較，直到發現c與d不匹配。於是，移動位數 = 6 - 2，繼續將搜尋詞向後移動4位
部分匹配值表計算方法
「部分匹配值」就是」字首」和」字尾」的最長的共有元素的長度。以」abcdabd」為例，
－ 「a」的字首和字尾都為空集，共有元素的長度為0；
－ 「ab」的字首為[a]，字尾為[b]，共有元素的長度為0；
－ 「abc」的字首為[a, ab]，字尾為[bc, c]，共有元素的長度0；
－ 「abcd」的字首為[a, ab, abc]，字尾為[bcd, cd, d]，共有元素的長度為0；
－ 「abcda」的字首為[a, ab, abc, abcd]，字尾為[bcda, cda, da, a]，共有元素為」a」，長度為1；
－ 「abcdab」的字首為[a, ab, abc, abcd, abcda]，字尾為[bcdab, cdab, dab, ab, b]，共有元素為」ab」，長度為2；
－ 「abcdabd」的字首為[a, ab, abc, abcd, abcda, abcdab]，字尾為[bcdabd, cdabd, dabd, abd, bd, d]，共有元素的長度為0。
計算特徵串next值得c語言**
void getnext(const
char *p,int next)//多算一位的next演算法
else j=next[j];}}
演算法分析 演算法的漸進效率分析
一般用於界定函式集合的上界，漸進表示式o g n 的含義就是，c為正常數，函式集合o中的元素的最大值不會超過c.g n f n o g n 的含義是，函式f n 的屬於集合o g n 因為函式集合o中的最大值為c.g n 所以f n 的最大值為c.g n 由於只是漸進的上界，所以當函式g n 的階數...
演算法和演算法分析
一 演算法的基本概述 演算法是為了解決某類問題而規定的乙個有限長的操作序列。乙個演算法必須滿足以下五個重要特性 1 有窮性2 確定性3 可行性 4 有輸入5 有輸出 二 設計演算法的原則 1.正確性 2.可讀性 3 健壯性 4.高效率與低儲存量需求 三 演算法的時間複雜度簡介 語句頻度 語句重複執行...
演算法和演算法分析
演算法是為了解決某類問題而規定的乙個有限長的操作序列。五個特性 1.有窮性2.確定性3.可行性4.輸入5.輸出 1.正確性2.可讀性3.健壯性4.高效性 1.問題規模和語句頻度 不考慮計算機的軟硬體等環境因素，影響演算法時間代價的最主要因素是問題規模。問題規模是演算法求解問題輸入量的多少，是問題大小...