igm算法
Ⅰ k-means算法怎么为对称矩阵进行聚类
几种典型的聚类融合算法：
1.基于超图划分的聚类融合算法
(1)Cluster-based Similarity Partitioning Algorithm(GSPA)
(2)Hyper Graph-Partitioning Algorithm(HGPA)
(3)Meta-Clustering Algorithm(MCLA)
2.基于关联矩阵的聚类融合算法
Voting-K-Means算法。
3.基于投票策略的聚类融合算法
w-vote是一种典型的基于加权投票的聚类融合算法。
同时还有基于互信息的聚类融合算法和基于有限混合模型的聚类融合算法。
二、基于关联矩阵的聚类融合算法——Voting-K-Means算法
Voting-K-Means算法是一种基于关联矩阵的聚类融合算法，关联矩阵的每一行和每一列代表一个数据点，关联矩阵的元素表示数据集中数据点对共同出现在同一个簇中的概率。
算法过程：
1.在一个数据集上得到若干个聚类成员；
2.依次扫描这些聚类成员，如果数据点i和j在某个聚类成员中被划分到同一个簇中，那么就在关联矩阵对应的位置计数加1；关联矩阵中的元素值越大，说明该元素对应的两个数据点被划分到同一个簇中的概率越大；
3.得到关联矩阵之后，Voting-K-Means算法依次检查关联矩阵中的每个元素，如果它的值大于算法预先设定的阀值，就把这个元素对应的两个数据点划分到同一个簇中。
Voting-K-Means算法的优缺点：
Voting-K-Means算法不需要设置任何参数，在聚类融合的过程中可以自动地的选择簇的个数 并且可以处理任意形状的簇。因为Voting-K-Means算法在聚类融合过程中是根据两个数据点共同出现在同一个簇中的可能性大小对它们进行划分的，所以只要两个数据点距离足够近，它们就会被划分到一个簇中。
Voting-K-Means算法的缺点是时间复杂度较高，它的时间复杂度是O(n^2);需要较多的聚类成员，如果聚类成员达不到一定规模，那么关联矩阵就不能准确反映出两个数据点出现在同一个簇的概率。
package clustering;import java.io.FileWriter;import weka.clusterers.ClusterEvaluation;import weka.clusterers.SimpleKMeans;import weka.core.DistanceFunction;import weka.core.EuclideanDistance;import weka.core.Instances;import weka.core.converters.ConverterUtils.DataSource;import weka.filters.unsupervised.attribute.Remove;public class Votingkmeans2 extends SimpleKMeans { /** 生成的序列号 */ private static final long serialVersionUID = 1557181390469997876L; /** 划分的簇数 */ private int m_NumClusters; /** 每个划分的簇中的实例的数量 */ public int[] m_ClusterSizes; /** 使用的距离函数，这里是欧几里德距离 */ protected DistanceFunction m_DistanceFunction = new EuclideanDistance(); /** 实例的簇号赋值 */ protected int[] m_Assignments; /** 设定聚类成员融合阀值 */ private final static double THREASOD = 0.5; /** 生成一个聚类器 */ public void buildClusterer(Instances data) throws Exception{ final int numinst = data.numInstances(); // 数据集的大小 double [][]association = new double[numinst][numinst]; // 定义并初始化一个关联矩阵 int numIteration = 40; // 设置生成的聚类成员数 final int k = (int)Math.sqrt(numinst); // 设置K-Means聚类算法参数——簇数 for(int i = 0; i < numIteration; i++) { if(data.classIndex() == -1) data.setClassIndex(data.numAttributes() - 1); // 索引是从0开始 String[] filteroption = new String[2]; filteroption[0] = "-R"; filteroption[1] = String.valueOf(data.classIndex() + 1);// 索引是从1开始 Remove remove = new Remove(); remove.setOptions(filteroption); remove.setInputFormat(data); /* 使用过滤器模式生成新的数据集；新数据集是去掉类标签之后的数据集 */ Instances newdata = weka.filters.Filter.useFilter(data, remove); /* 生成一个K-Means聚类器 */ SimpleKMeans sm = new SimpleKMeans(); sm.setNumClusters(k); sm.setPreserveInstancesOrder(true); // 保持数据集实例的原始顺序 sm.setSeed(i); // 通过设置不同的种子，设置不同的簇初始中心点，从而得到不同的聚类结果 sm.buildClusterer(newdata); int[] assigm = sm.getAssignments(); // 得到数据集各个实例的赋值 /* 建立关联矩阵 */ for(int j = 0; j < numinst; j++) { for(int m = j; m < numinst; m++) { if(assigm[j] == assigm[m]) { association[j][m] = association[j][m] + 1.0 / numIteration ; } } } } System.out.println(); /* 将生成的关联矩阵写入.txt文件（注：生成的txt文本文件在e:/result.txt中） */ FileWriter fw = new FileWriter("e://result.txt"); for(int j = 0; j < numinst; j++) { for(int m = j; m < numinst; m++) { //由于关联矩阵是对称的，为了改进算法的效率，只计算矩阵的上三角 String number = String.format("%8.2f", association[j][m]); fw.write(number); } fw.write("\n"); } /* 处理关联矩阵，分别考虑了两种情况 ：1.关联矩阵中某个元素对应的两个数据点已经被划分到了不同的簇中 * 2.两个数据点中有一个或者两个都没有被划分到某个簇中。 */ int[] flag = new int[numinst]; int[] flagk = new int[k]; int[] finallabel = new int[numinst]; for(int m = 0; m < numinst; m++) { for(int n = m; n < numinst; n++) { if(association[m][n] > THREASOD) { if(flag[m] == 0 && flag[n] == 0) { // 两个数据点都没有被划分到某个簇中， int i = 0; // 将他们划分到同一个簇中即可 while (i < k && flagk[i] == 1) i = i + 1; finallabel[m] = i; finallabel[n] = i; flag[m] = 1; flag[n] = 1; flagk[i] = 1; } else if (flag[m] == 0 && flag[n] == 1) { // 两个数据点中有一个没有被划分到某个簇中， finallabel[m] = finallabel[n]; // 将他们划分到同一个簇中即可 flag[m] = 1; } else if (flag[m] == 1 && flag[n] == 0) { finallabel[n] = finallabel[m]; flag[n] = 1; } else if (flag[m] == 1 && flag[n] == 1 && finallabel[m] != finallabel[n]) { // 两个数据点已被划分到了不同的簇中， flagk[finallabel[n]] = 0; // 将它们所在的簇合并 int temp = finallabel[n]; for(int i = 0; i < numinst; i++) { if(finallabel[i] == temp) finallabel[i] = finallabel[m]; } } } } } m_Assignments = new int[numinst]; System.out.println("基于关联矩阵的聚类融合算法——Voting-K-Means算法的最终聚类结果"); for(int i = 0; i < numinst; i++) { m_Assignments[i] = finallabel[i]; System.out.print(finallabel[i] + " "); if((i+1) % 50 == 0) System.out.println(); } for(int i = 0; i < k; i++) { if(flagk[i] == 1) m_NumClusters++; } } /** * return a string describing this clusterer * * @return a description of the clusterer as a string */ public String toString() { return "Voting-KMeans\n"; } public static void main(String []args) { try {String filename="e://weka-data//iris.arff"; Instances data = DataSource.read(filename); Votingkmeans2 vk = new Votingkmeans2(); vk.buildClusterer(data); /* 要生成Voting-K-Means的聚类评估结果包括准确率等需要覆盖重写toString()方法； * 因为没有覆盖重写，所以这里生产的评估结果没有具体内容。 */ ClusterEvaluation eval = new ClusterEvaluation(); eval.setClusterer(vk); eval.evaluateClusterer(new Instances(data)); System.out.println(eval.clusterResultsToString()); } catch (Exception e) { e.printStackTrace(); }}}
分析代码时注意：得到的类成员变量m_Assignments就是最终Voting-K-Means聚类结果；由于是采用了开源机器学习软件Weka中实现的SimpleKMeans聚类算法，初始时要指定簇的个数，这里是数据集大小开根号向下取整；指定的阀值为0.5，即当关联矩阵元素的值大于阀值时，才对该元素对应的两个数据点进行融合，划分到一个簇中，考虑两种情况，代码注释已有，这里不再详述。但聚类融合的实验结果并不理想，莺尾花数据集irsi.arff是数据挖掘实验中最常用的数据集，原数据集共有三个类；但本实验进行四十个聚类成员的融合，其最终聚类结果划分成两个簇；其原因可能有两个：一是算法本身的问题，需要使用其他更加优化的聚类融合算法；二是实现上的问题，主要就在聚类结果的融合上，需要进行一步对照关联矩阵进行逻辑上的分析，找出代码中的问题。关联矩阵文本文件http://download.csdn.net/detail/lhkaikai/7294323
---------------------
本文来自 Turingkk 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/lhkaikai/article/details/25004823?utm_source=
Ⅱ nima258369.exe是什么程序
nima258369.exe
这个扩展名为.exe的文件，文件名上来看，它并不是一个系统必须的文件。不排除它被改过名字，如果是这样的话，那从文件名上就判断不出它是个什么文件，理论上说，它可以是任意文件改名而来。
附微软中国及linux 社区的搜索截图，基本可以证明些文件名并非系统文件。
另一方面，看它的名字，更像是被某些恶意程序或者玩笑程序随机生成的 （可以用汉语拼音自行拼读前面的字母部分，后面的数字也没什么实际意义）
很多病毒及木马都会自动生成随机名称，使用户不能根据文件名判断其本身。
关于生成随机名称的病毒和木马介绍的参考文章截取如下：
“一、启动项、文件名完全随机
1. 随机文件名的 AV 终结者。
这一类都是情中玉小辉写的 downloader。文件名根据计算机的不同而不同。
我遇到过三种文件名生成算法。一种就是取得磁盘序列号并做处理，取得一个8位的16进制数，然后将这个8位16进数里的某些位置上的数字交换位置，用作文件名，并用这个8位16进制数构造CLSID，来用作启动项。
第二种就是它有一个用密钥和磁盘卷序列号生成8位16进制数的函数。它会预先指定一个字符串（如“PopwinIe”，“kowinIe”等）做文件名生成程序的密钥，用8位数生成函数生成一个8位16进制数，用作服务名，然后用这个服务名作密钥，用生成函数生成exe文件名，再用exe文件名算出dll文件名。如果能逆向出那个关键的生成8位16进制数的函数，就能准确找到木马所生成的所有东西，并将它们删除。
这个木马变种非常容易，因为只需要修改一下密钥字符串（如“UokwinIe”，“PopwinIe”，“kowinIe”等）就可以生成一个新变种（很有可能由木马生成器生成）。
还有一个很有意思的事情就是我曾发现新变种木马在某台机器上生成的dll文件名和旧变种木马生成的dll文件名相同（不同的密钥最终生成了同一个串）！这是个很巧的事情。
其间这种木马还出过一个变种，即第三种，依然使用一个字符串和磁盘卷序列号来算服务和文件名，只是更改了8位16进制数的生成算法。其中用到了MD5Init、MD5Update、和MD5Final函数，最终的字符串是通过MD5Final函数中的digest参数生成的。逆向出这个算法就能完美地干掉它。但与第二种不同的是这个变种好像没有更换过密钥字符串，我只遇到过密钥为“v3djwinIe”一种。
2. 飘雪
飘雪用时间做随机种子生成的服务名、两个驱动程序名、dll文件名完全随机，而且有驱动死循环写启动项，处理起来难度很高。
二、启动项、文件名部分随机
1. 启动项、exe文件名固定，用于加载dll，而dll文件名由机器信息生成。我遇到过的这一类恶意程序是IGx盗号木马。这类木马在windows目录下生成IG.exe、IGM.exe、IGW.exe和一个随机名的dll。这个dll的文件名的形式为“一串数字MM.dll”或“一串数字WO.dll”，其中 xxxMM.dll 对应 IGM.exe，xxxWO.dll 对应 IGW.exe。它们的exe文件名固定，很好定位。但dll的文件名是用CPUID指令取得的cpu版本信息生成的，这就依机器的不同而不同了。
2. 另一种部分随机的情况多见于广告程序，这类程序一般都有多个程序，如果完全随机的话，自己找自己的程序、启动项也会比较困难，因此做成半随机。比如有个广告木马，它所生成的主要启动项和文件是一个固定的CLSID，一个服务项，两个dll，一个sys，一个bin。其中一个dll和bin的文件名相同，这个dll是CLSID所指向的。另一个dll则和sys的文件名相同，且和服务项名相同。而且CLSID指向的dll名以win开头，而后4个或5个字符与另一个dll和sys的后4个或5个字符相同。
三、文件名随机而启动项固定
这类程序的文件名是根据某些机器信息（如磁盘信息）生成的或是木马作者在木马生成器里（比如一些qq盗号木马生成器，远程控制木马服务端生成器）指定的，但启动项是固定的，比如CLSID固定、服务名固定、run项固定。
多样本的情况。
另外还有一类是木马的样本不同，但作用大致相同；样本本身生成的启动项和文件名固定，不同样本生成的启动项和文件名不同，但生成的文件有很多共同特征。属于这一类的有ravxxxmon系列、xxxdoorx系列、xxxpri系列、以及“杀软名+游戏名+xxx”系列等。这都是成系列的网络游戏盗号木马，其中文件名中的xxx部分就是表示游戏名的。比如RAVZXMON中的ZX表示“诛仙”，ravdthxmon中的dthx表示“大唐豪侠”，rsmydsp中的my表示“魔域”等等。我遇到过“杀软名+游戏名+xxx”系列中的某些样本，就我发现的某些表面特征来谈一下这个系列的木马。
从大的方面看，这个系列的木马生成的文件的文件名都是由代表杀软的前缀+代表所盗号游戏的字串+后缀构成的，如“avzxast.exe”、“rsztbsp.exe”、“kaqhacs.dll”等，其中的zx表示“诛仙”，zt表示“征途”，qh 表示“qq华夏”，这三个文件分别是诛仙、征途、qq华夏的盗号木马的文件。下面看一下他们表面上的共同特征。
这类木马一般都会生成文件：xxxxain.dll、xxxxbmn.dll、xxxxbst.exe，有的还会在font目录下生成一个伪字体文件，内容是一个url（更新用url？）或者是加了密的文字，猜想是加了密的url，没有深入分析。除xxxxain.dll和字体文件外，其它文件会在中间的b字母处有变化，目前遇到过a、b、c、d、e五个版本，如某个变种是：xxxxamn.dll、xxxxast.exe，或 xxxxcmn.dll、xxxxcst.exe 或 xxxxdmn.dll、xxxxdst.exe 等等，当然不同的盗号木马文件名中的后缀也会不同，但都有a、b、c、d、e版本，我们且以a、b、c、d、e变种称之。这些盗号木马都会通过ShellExecuteHooks方式启动，所以需要CLSID。而同种盗号木马的CLSID的第二位和倒数第二位都相同，只有第一位和最后一位不同，会因变种是a、b、c、d、e而取值1、2、3、4、5。以avzx木马为例：
a变种会生成文件avzxamn.dll，其CLSID为{1859245F-345D-BC13-AC4F-145D47DA34F1}。
b变种会生成文件avzxbmn.dll，其CLSID为{2859245F-345D-BC13-AC4F-45D47DA34F2}。
c变种会生成文件avzxcmn.dll，其CLSID为{3859245F-345D-BC13-AC4F-45D47DA34F3}。”
所以综合以上两点，针对些文件提出两点建议：
在不确定其安全性的情况下，不建议运行该程序。
可以尝试用安全软件扫描，也可以提交至在线病毒扫描类的网站进行扫描。确认其安全后再使用。
Ⅲ 针织大圆机工艺纱长公式
针织大圆机工艺纱长的几个计算公式如下：
1、单面纱长计算公式：NAZ:100支针(99个线圈)纱长=99*1181/Ne*g
2、单珠地纱长门幅计算公式：NAZ：100支针纱长（cm）=2010/（Ne+2.7）/（g+80）*99 门幅=总针数/5cm横密*5
3、双珠地纱长计算公式 NAZ: 纱长（CM/圈长）=2280/（Ne+3）/（克重+100）
4、双面纱长计算公式NAZ:纱长/100支=344000/（Ne+1.6）/（克重+100）
(3)igm算法扩展阅读：
针织大圆机含义：学名针织圆形纬编机（或者叫做针织圆纬机）。分为下面几种：
一、单面系列：普通单面针织大圆机、单面毛圈机、三线衬纬机、提花单面针织大圆机；
二、双面系列：罗纹机、普通双面大圆机、提花双面针织大圆机。
Ⅳ 算法流程图谢谢咯
http://..com/link?url=_SO6YJg8odbpmAVsABiFowa-_4lPM-OVDVVGmmFjh5mQ1niGmBhD_
他们已经回答过了
应该能用。
Ⅳ 节点（Node ）未命名的分支（Unnamed clade）
包括的分类群 Oviraptor philoceratops Osborn，1924；未命名的单元GIN 100/42。
已知的时代范围 桑顿晚期—坎潘早期（Late Santonian—Early Campanian）。
鉴定特征 这一分支由一个明确的共近裔性状所支持（通过ACCTRAN和DELTRAN的算法所发现）：头骨顶的纵向气腔化的冠状突起存在（2.1）。其它可能的鉴定特征包括122.2、125.0、132.0、153.1、156.1以及 206.0 由 ACCTRAN算法发现，只有一个特征状态 71.0 由DELTRAN算法发现。
注释 根据Barsbold（1981，1983）、Maryańska等（Maryańska et al.，2002）在他们的系统发育分析中用GIN 100/42（IGM 100/42）代表Oviraptor philoceratops。目前的分析显示了GIN100/42和Oviraptor philoceratops关系非常密切，标本GIN100/42不是属于Oviraptor属的不同种，就是相同的种，后者的判断与Clark等（Clark et al.，2002）的不同。只有一个明确的共近裔性支持这一分支，这是由于标本保存不完整所致。这一唯一的支持特征（2.1）也同样出现在节点12上。NXMV的下颌与Oviraptor philoceratops的类似，但是系统发育分析并不支持它们之间的密切关系，这可能由于缺失数据所致。
Ⅵ 多发性骨髓瘤的症状有哪些
临床表现
起病缓慢，部分患者可长期无症状，但血清蛋白电泳发现有单克隆经过免疫球蛋白(IG)峰，或尿中轻链阳性，称之为“骨髓瘤前期”，此期可长达3～5年.主要临床表现分为以下两类：
骨髓瘤细胞对各组织浸润①对骨骼的浸润。最常侵犯的骨骼是颅骨、肋骨、胸骨、脊椎和四肢长骨的近侧端。由于瘤细胞在骨髓腔内无限增殖，导致弥漫性骨质疏松或限性骨质破坏。骨痛是最常见的早期症状，以腰部最为多见，其次为胸骨、肋骨与四肢骨。初起时疼痛可为间发性或游走性，后渐加重而呈持续性。局部有压痛、隆起或波动感;可伴发病理性骨折，经常不在负重部位，常有几处骨折同时发生。X射线检查可问题发现典型的多发性溶骨性病变、弥漫性骨质疏松、病理性骨折等，有助诊断。②对骨髓的浸润。瘤细胞在骨髓内大量增殖，引起骨髓象的明显改变、增生减低、活跃或明显活跃。特点是骨髓瘤细胞占10～90%，细胞体积大小不等，直径15～30μm，卵圆形或圆形，胞浆丰富，呈深蓝或亮蓝色，可有空泡，核旁透明区不明显。核圆形或椭圆形，偏于细胞一侧，染色质呈粗网状，含1～2个核仁，大而明显。有时一细胞内可见2～3个细胞核.成熟红细胞常呈钱串状排列。在周围血象中，表现为进行性正常细胞、正常色素型贫血。在涂片中，红细胞呈钱串状。白细胞与血小板计数可正常或偏低，晚期表现为全血细胞减少。③对其他器官的浸润。由于脊椎的骨折或骨髓瘤本身对脊神经根的压迫或对脑和脊髓的浸润、可引起神经痛，感觉异常，甚至瘫痪。由于瘤细胞在全身的浸润，使肝、脾、淋巴结肿大，以肝大为多见。亦可侵及其他脏器，引起相应的临床小组表现。因骨破坏和骨质吸收，大量钙入血，加之M蛋白与钙结合使结合钙增加，可致高钙血症和尿钙增多。
与M蛋白有关的临床表现有以下各种表现：①尿蛋白，约40～70%骨髓瘤患者，尿中出现Ig的轻链，称之为本斯·琼斯氏蛋白，系由于瘤细胞合成的Ig分子中轻链多于重链，轻链分子小，可自肾小球滤过而出现在尿中，轻链量少时不易检出，以浓缩尿作电泳则阳性率高。②血沉增速，第小时增快至100mm以上。③出血倾向，血小板减少以及M蛋白引起的血流滞缓、血管壁损害、血小板与凝血因子功能的障碍，患者常有出血倾向，表治疗现为粘膜渗血、皮肤紫癜，晚期可有内脏或颅内出血，造成严重后果。④肾功能衰竭，由于轻链在肾小管的沉积，高钙血症与高尿酸血症使肾小管重吸收的功能遭受损害，瘤细胞对肾的浸润等原因，国内慢性肾功能不全是本病显着的特征之一成为。病程晚期，尿毒症可成为多种致死的原因。⑤易受感染，正常Ig含量的减低常导致等奖免疫功能障碍。患者常有反复感染，以肺部和尿路感染较为多见。⑥高粘滞度综合征，大量单克隆Ig提高血液粘滞度，使血流迟缓，引起微循环障碍，视网膜、脑、肾等器官尤易受到损伤，引起头晕、视力障碍、手足麻木等症状，严重影响大脑功能时可导致昏迷。本综合征多见于IgM型骨髓瘤和巨球蛋白血症。⑦雷诺氏现象，部分患者的单克隆Ig是冷沉淀球蛋白，遇冷时球蛋白凝集沉淀，引起微循环障碍，出现手足紫绀、冰冷、麻木或疼痛等现象，遇热后症状缓解。⑧淀粉样变性，少数患者伴发淀粉样变性，淀粉样物质广泛沉积于组织、器官和肿瘤中，引起周围神经、肾、心、肝、脾的病变导致肝、脾肿大，关节疼痛，神经功能异常等临床表现。
1.骨痛骨痛是本病的主要症状之一。疼痛程度轻重不一，早期常是轻度的、暂时的，随着病程进展可以变为持续而严重。疼痛剧烈或突然加剧，常提示发生了病理性骨折。据北京协和医院125例MM首发症状分析，80例(64.0%)以骨痛为主诉，骨痛部位以腰骶部最常见(28.0%)，其次为胸肋骨(27.0%)，四肢长骨较少(9.0%)，少数患者有肩关节或四肢关节痛。绝大多数(90%～93%)患者在全病程中都会有不同程度的骨痛症状，但确有少数患者始终无骨痛。
除骨痛、病理骨折外，还可出现骨骼肿物，瘤细胞自骨髓向外浸润，侵及骨皮质、骨膜及邻近组织，形成肿块。在多发性骨髓瘤，这种骨骼肿块常为多发性，常见部位是胸肋骨、锁骨、头颅骨、鼻骨、下颌骨及其他部位。与孤立性浆细胞瘤不同的是，其病变不仅是多发的，而且骨髓早已受侵犯，并有大量单克隆免疫球蛋白的分泌。
2.贫血及出血倾向贫血是本病另一常见临床表现。据北京协和医院125例分析，绝大多数(90%)患者都在病程中出现程度不一的贫血，其中部分(10.4%)患者是以贫血症状为主诉而就诊。贫血程度不一，一般病程早期较轻、晚期较重，血红蛋白可降到<50g/L。造成贫血的主要原因是骨髓中瘤细胞恶性增生、浸润，排挤了造血组织，影响了造血功能。此外，肾功不全、反复感染、营养不良等因素也会造成或加重贫血。
出血倾向在本病也不少见。北京协和医院125例中8例是以出血为首发症状而就医，而在病程中出现出血倾向者可达10%～25%。出血程度一般不严重，多表现为黏膜渗血和皮肤紫癜，常见部位为鼻腔、牙龈、皮肤，晚期可能发生内脏出血及颅内出血。导致出血的原因是血小板减少和凝血障碍。血小板减少是因骨髓造血功能受抑，凝血障碍则因大量单克隆免疫球蛋白覆盖于血小板表面及凝血因子(纤维蛋白原，凝血酶原，因子Ⅴ、Ⅶ、Ⅷ等)表面，影响其功能，造成凝血障碍。免疫球蛋白异常增多使血液黏度增加，血流缓慢不畅，损害毛细血管，也可造成或加重出血。
3.反复感染本病患者易发生感染，尤以肺炎球菌性肺炎多见，其次是泌尿系感染和败血症。病毒感染中以带状疱疹、周身性水痘为多见。北京协和医院125例中以发热、感染为主诉而就医者18例(占14.4%)，其中多数系肺部感染。部分患者因反复发生肺炎住院，进一步检查方确诊为MM并发肺炎。对晚期MM患者而言，感染是重要致死原因之一。本病易感染的原因是正常多克隆B细胞——浆细胞的增生、分化、成熟受到抑制，正常多克隆免疫球蛋白生成减少，而异常单克隆免疫球蛋白缺乏免疫活性，致使机体免疫力减低，致病菌乘虚而入。此外，T细胞和B细胞数量及功能异常，以及化疗药物和肾上腺皮质激素的应用，也增加了发生感染的机会。
4.肾脏损害肾脏病变是本病比较常见而又具特征性的临床表现。由于异常单克隆免疫球蛋白过量生成和重链与轻链的合成失去平衡，过多的轻链生成，相对分子质量仅有23000的轻链可自肾小球滤过，被肾小管重吸收，过多的轻链重吸收造成肾小管损害。此外，高钙血症、高尿酸血症、高黏滞综合征、淀粉样变性及肿瘤细胞浸润，均可造成肾脏损害。患者可有蛋白尿、本-周(Bence-Jones)蛋白尿、镜下血尿，易被误诊为“肾炎”。最终发展为肾功能不全。肾功能衰竭是MM的致死原因之一。在大多数情况下，肾功能衰竭是慢性、渐进性的，但少数情况下可发生急性肾功能衰竭，主要诱因是高钙血症和脱水，若处理及时得当，这种急性肾功能衰竭还可逆转。
5.高钙血症血钙升高是由于骨质破坏使血钙逸向血中、肾小管对钙外分泌减少及单克隆免疫球蛋白与钙结合的结果。高钙血症的发生率报告不一，欧美国家MM患者在诊断时高钙血症的发生率为10%～30%，当病情进展时可达30%～60%。我国MM患者高钙血症的发生率约为16%，低于西方国家。高钙血症可引起头痛、呕吐、多尿、便秘，重者可致心律失常、昏迷甚至死亡。钙沉积在肾脏造成肾脏损害，重者可引起急性肾功能衰竭，威胁生命，故需紧急处理。
6.高黏滞综合征血中单克隆免疫球蛋白异常增多，一则包裹红细胞，减低红细胞表面负电荷之间的排斥力而导致红细胞发生聚集，二则使血液黏度尤其血清黏度增加，血流不畅，造成微循环障碍，引起一系列临床表现称为高黏滞综合征。常见症状有头晕、头痛、眼花、视力障碍、肢体麻木、肾功能不全，严重影响脑血流循环时可导致意识障碍、癫痫样发作，甚至昏迷。眼底检查可见视网膜静脉扩张呈结袋状扩张似“香肠”，伴有渗血、出血。因免疫球蛋白包裹血小板及凝血因子表面，影响其功能，加之血流滞缓损伤毛细血管壁，故常有出血倾向，尤以黏膜渗血(鼻腔、口腔、胃肠道黏膜)多见。在老年患者，血液黏度增加、贫血、血容量扩增可导致充血性心力衰竭发生。雷诺现象也可发生。
高黏滞综合征的发生既与血中免疫球蛋白浓度有关，也与免疫球蛋白类型有关。当血液黏度(血浆或血清黏度)超过正常3倍以上、血中单克隆免疫球蛋白浓度超过30g/L时，易发生高黏滞综合征。在各种免疫球蛋白类型中，IgM相对分子质量大、形状不对称，并有聚集倾向，故最易引起高黏滞综合征。其次，IgA和IgG3易形成多聚体，故也较易引起高黏滞综合征。
7.高尿酸血症血尿酸升高>327μmol/L者在MM常见。北京协和医院MM91例中，61例(67%)有高尿酸血症。血尿酸升高是由于瘤细胞分解产生尿酸增多和肾脏排泄尿酸减少的结果。血尿酸升高虽然很少引起明显临床症状，但可造成肾脏损害，应予预防和处理。
8.神经系统损害瘤细胞浸润、瘤块压迫、高钙血症、高黏滞综合征、淀粉样变性以及病理性骨折造成的机械性压迫，均可成为引起神经系统病变和症状的原因。神经系统症状多种多样，既可表现为周围神经病和神经根综合征，也可表现为中枢神经系统症状。胸椎、腰椎的压缩性病理性骨折可造成截瘫。北京协和医院125例中12例有神经系统病变，周围神经病变3例、神经根损害3例、颅内损害2例、脊髓受压而致截瘫4例。
9.淀粉样变性免疫球蛋白的轻链与多糖的复合物沉淀于组织器官中即是本病的淀粉样变性。受累的组织器官常较广泛，舌、腮腺、皮肤、心肌、胃肠道、周围神经、肝、脾、肾、肾上腺、肺等均可被累及，可引起舌肥大、腮腺肿大、皮肤肿块或苔藓病、心肌肥厚、心脏扩大、腹泻或便秘、外周神经病、肝脾肿大、肾功能不全，等等。淀粉样变性的诊断依赖组织活检病理学检查，包括形态学、刚果红染色及免疫荧光检查。欧美国家报告淀粉样变性在MM的发生率为10%～15%，而我国的发生率为1.6%～5.6%。由淀粉样变性损害正中神经引起的“腕管综合征”(carpaltunnelsyndrome)在西方国家多见，而国内尚未见有报告。
10.肝脾肿大及其他瘤细胞浸润、淀粉样变性导致肝脾肿大。肝大见于半数以上患者，脾大见于约20%患者，一般为肝、脾轻度肿大。淋巴结一般不肿大。少数患者可有关节疼痛，甚至出现关节肿胀、类风湿样结节，系骨关节发生淀粉样变性的表现。皮肤损害如瘙痒、红斑、坏疽样脓皮病、多毛仅见于少数患者。个别患者有黄瘤病，据认为是单克隆免疫球蛋白与脂蛋白结合的结果。
诊断
诊断本病的主要依据有：血清蛋白电泳出现M蛋白峰;骨骼X射线检查示多处溶骨性改变;骨髓涂片中找到大量骨髓瘤细胞。若三项中有两项阳性，结合临床表现，即可作出一项诊断。
多发性骨髓瘤的临床表现多种多样，且多变异型，易与其他疾病混淆，误诊及漏诊发生率较高。因此，制定多发性骨髓瘤的诊断标准有重要的临床意义。多发性骨髓瘤的诊断，需依据对患者的临床症状、体征及有关实验室检查(重点是骨髓象、M成分和骨质病变检查)的结果综合分析。当多发性骨髓瘤的诊断确定之后，为了制定正确的治疗策略，还需进一步明确多发性骨髓瘤的分型和临床分期，并评估其预后因素。
世界卫生组织(WHO)于2001年组织有关专家在审阅、参考已有的各家多发性骨髓瘤诊断标准之后，制定了多发性骨髓瘤(MM)的诊断标准。
1.WHO诊断MM的标准
(1)诊断MM要求具有至少1项主要标准和1项次要标准，或者具有至少3项次要标准而且其中必须包括①项和②项。病人应有与诊断标准相关的疾病进展性症状。
(2)主要标准：
①骨髓中浆细胞增多(>30%)。
②组织活检证实有浆细胞瘤。
③M成分：血清IgG>3.5g/dl或IgA>2.0g/d1,尿本-周蛋白>1g/24h。
(3)次要标准：
①骨髓中浆细胞增多(10%～30%)。
②M成分存在但水平低于上述水平。
③有溶骨性病变。
④正常免疫球蛋白减少50%以上：IgG<600mg/dl，IgA<100mg/dl，IgM<50mg/dl。
2.我国国内MM的诊断标准我国的血液学家根据国内临床研究结果并参照国外诊断标准而制定。
(1)骨髓中浆细胞>15%并有异常浆细胞(骨髓瘤细胞)或组织活检证实为浆细胞瘤。
(2)血清中出现大量单克隆免疫球蛋白(M成分)：IgG>35g/L，IgA>20g/L，IgD>2.0g/L,IgE>2.0g/L，IgM>15g/L，或尿中单克隆免疫球蛋白轻链(本-周蛋白)>10g/24h。少数病例可出现双克隆或三克隆性免疫球蛋白。
(3)无其他原因的溶骨性病变或广泛性骨质疏松。
符合上述3项或符合(1)(2)或(1)(3)项，即可诊断为MM。但是诊断IgM型MM时，除符合(1)项和(2)项外，尚需具备典型的MM临床表现和多部位溶骨性病变。只具有(1)项和(3)项者属不分泌型MM，需进一步鉴别属不合成型抑或合成而不分泌型。对仅有(1)和(2)项者(尤其骨髓中无原浆、幼浆细胞者)，须除外反应性浆细胞增多和意义未明单克隆免疫球蛋白血症(MGUS)。
综观国内、国外制定的MM诊断标准，可以归纳为3个方面：①骨髓中浆细胞异常增生，必须强调不仅是浆细胞数量增多，而且必须有骨髓瘤细胞(原浆、幼浆细胞)出现。因为反应性浆细胞增多症骨髓中浆细胞可能>10%而达到20%～30%,但不会出现骨髓瘤细胞。②血和尿中出现单克隆免疫球蛋白或其轻链且水平较高。③骨质改变，即弥漫性骨质疏松和多发性溶骨性病变。符合上述3方面的病变或符合第①+②项或第①+③项病变均可诊断为MM。
3.分型应用血清蛋白电泳、免疫电泳、轻链定量方法，可确定骨髓瘤细胞是否分泌单克隆免疫球蛋白以及所分泌的单克隆免疫球蛋白的类型。根据骨髓瘤细胞是否分泌和分泌的单克隆免疫球蛋白类型的不同，可将多发性骨髓瘤分为下述8个类型：
(1)IgG型：其单克隆免疫球蛋白的重链是γ链，轻链是κ链或λ链。IgG型是最常见的MM亚型，约占MM的50%左右。此型具有MM的典型临床表现。此外，正常免疫球蛋白减少在此型尤为显着，继发感染更为常见。
(2)IgA型：其单克隆免疫球蛋白的重链是α链，轻链是κ链或λ链。IgA型约占MM的15%～20%。除具有MM的一般表现外，尚有骨髓瘤细胞呈火焰状、IgA易聚集成多聚体而引起高黏滞血症、易有高钙血症和高胆固醇血症等特点。在血清蛋白电泳上，单克隆IgA所形成的M成分常处于α2区而非γ区。
(3)轻链型：其单克隆免疫球蛋白是单克隆κ链或单克隆λ链，而重链缺如。此型约占MM的15%～20%。由于轻链的分子量仅23000，远小于血清白蛋白(分子量69000)，故在血清蛋白电泳上不出现M成分，必须应用免疫电泳和轻链定量测定，方可发现患者血和尿中存在大量单克隆轻链(尿本-周蛋白阳性)。此型瘤细胞常分化较差，增殖迅速，骨骼破坏多见，肾功能损害较重。
(4)IgD型：其单克隆免疫球蛋白的重链是δ链，轻链是κ链或λ链。国外报告此型仅占MM的1%～2%。但国内报告此型约占MM的8%～10%，并不少见。此型除具有MM的一般表现外。尚具有发病年龄相对较年轻、髓外浸润、骨质硬化病变相对多见等特点。
(5)IgM型：其单克隆免疫球蛋白的重链是μ链，轻链是κ链或λ链。此型少见，仅占MM的1%左右。除具有MM的一般临床表现外，因其分子量较大(分子量950000)且易形成五聚体而使血液黏滞性增高，故易发生高黏滞综合征是其特点。
(6)IgE型：其单克隆免疫球蛋白的重链是δ链，轻链是κ链或λ链。此型罕见，至今国际上仅有数例报告，国内尚未见有报告。据国外报告，此型患者血清中单克隆IgE可高达45～60g/L，轻链多为λ链，溶骨性病变少见，但外周血中浆细胞增多，可呈现浆细胞白血病的征象。
(7)双克隆或多克隆型：此型少见，仅占MM的1%以下。双克隆常为单克隆IgM联合单克隆IgG，或单克隆IgM联合单克隆IgA，双克隆免疫球蛋白的轻链多属于同一类型(κ或λ链)，偶为两种轻链即κ链和λ链。双克隆轻链型MM(即单克隆κ链联合单克隆λ链)虽有病例报告，但属罕见。多克隆(三克隆或四克隆)型MM罕见。双克隆免疫球蛋白既可来自单一克隆浆(瘤)细胞的分泌，也可来自两个克隆浆(瘤)细胞的分泌。
(8)不分泌型：此型约占MM的1%。患者有骨髓中浆(瘤)细胞增生显着、骨痛、骨质破坏、贫血、正常免疫球蛋白减少、易发生感染等MM的典型临床表现。但血清中无M成分，尿中无单克隆轻链(尿本-周蛋白阴性)，此型骨髓瘤可用免疫荧光法进一步分为不合成型和不分泌型，前者的瘤细胞不合成免疫球蛋白，后者的瘤细胞虽有单克隆免疫球蛋白合成，但却不能分泌出来。
因为MM的分型既和MM的临床诊断有关，也和MM的治疗及预后有关，故当确定MM诊断后，也应明确其分型。
4.临床分期临床分期反映病程的早晚，而MM病程的早晚主要取决于患者体内骨髓瘤细胞的总数量(瘤负荷)。当瘤细胞数量有限时不引起临床症状，患者可无察觉，称临床前期。此期一般为1～2年，少数病例的临床前期可长达4～5年或更长时间。当瘤细胞总数量≥1×1011时，开始出现临床症状。随着瘤细胞数量增加，病情逐渐加重。当瘤细胞数量增至相当大时将导致死亡。
瘤细胞数量的测定既可用直接测定法，也可用间接推算法。直接测定法是先用放射免疫法测出体内单克隆免疫球蛋白的合成率和分解率,再用组织培养法测出单个瘤细胞的免疫球蛋白合成率，即可推算出患者体内的瘤细胞总数。此法虽直接、准确，但很难应用于临床实践。间接推算法是根据患者体内瘤细胞总数量与血清单克隆免疫球蛋白的水平、尿中单克隆轻链水平、血红蛋白水平、骨质破坏程度、血钙水平密切相关，测定上述有关指标，即可间接推算出瘤细胞总数，判断患者病期的早晚。此法简单、易行，故广泛应用于临床实践。Durie和Salmon。根据间接推算法原则。于1975年提出了多发性骨髓瘤的临床分期标准，见表1。
临床实践证实，Durie和Salmon的分期标准有肯定的应用价值。据国外多中心对135名MM患者的研究结果，按Durie和Salmon分期标准划分的Ⅰ期患者中位生存期为48个月，Ⅱ期为32个月，Ⅲ期为20个月。表明临床分期与预后有关。
近年来的研究发现，血清β2-微球蛋白水平与瘤细胞量及预后有关。β2-微球蛋白是Ⅰ类(ClassⅠ)主要组织相容性抗原(MHC)轻链的组成部分，骨髓瘤细胞也分泌β2-微球蛋白，因此，β2-微球蛋白水平与骨髓瘤细胞总量有关。由于β2-微球蛋白分子量(12000)小，主要由肾脏排出和重吸收，故依据β2-微球蛋白水平判断体内肿瘤量时，应排除肾功能不全等因素。此外，近年来研究还发现骨质破坏的有无和破坏程度与体内肿瘤量无显着相关性，故Alexanian和Dimopoulos于1995年提出了新的多发性骨髓瘤肿瘤量分级标准(表2)。
此外，Bataille等根据β2-微球蛋白水平与体内肿瘤细胞量的关系密切，提出了以β2-微球蛋白和血清白蛋白水平作为肿瘤量分级的更为简便的分期标准(表3)。
在上述分期标准中，Durie和Salmon分期标准在临床实践中应用最早、最广，而且行之有效，故目前国内多采用Durie和Salmon分期标准，但应同时参考β2-微球蛋白水平作为分期标准。
5.诊断评析
(1)MM是原发于骨髓的恶性肿瘤，因此在骨髓中发现骨髓瘤细胞是诊断MM的基本必备条件。骨髓瘤细胞是恶变的浆细胞，在形态上不同于正常成熟的浆细胞，而与原始或幼稚浆细胞相似。骨髓中正常成熟浆细胞增多见于多种疾病(参见鉴别诊断)，但出现骨髓瘤细胞则仅见于MM。因此，不能仅仅依据骨髓中浆细胞增多作为诊断MM的依据，而必须找到骨髓瘤细胞方可作为诊断依据。
(2)单克隆免疫球蛋白或单克隆免疫球蛋白轻链的出现是MM的特点之一，但并非MM所特有，因为其他疾病(参见鉴别诊断)也可伴有单克隆免疫球蛋白或单克隆免疫球蛋白轻链。此外，MM的不分泌型在血清中不出现单克隆免疫球蛋白或其轻链。因此，单克隆免疫球蛋白或其轻链的出现是MM的重要特点和诊断依据，但不能仅仅依据此项确诊或排除MM。
关于单克隆免疫球蛋白或单克隆免疫球蛋白轻链的检测，仅仅依赖血清蛋白电泳是不够的。因为轻链分子量远小于白蛋白，在血清蛋白电泳上泳动速度快于白蛋白而逸出电泳胶外故不会出现“M”带。IgD和IgE在血清中含量极少，即使血清中存在有增多的单克隆IgD或IgE，也难于在电泳胶上形成明显的“M”带。但若作血清免疫电泳以及血和尿轻链定量，就可检测出血清中含量较少的单克隆IgD或IgE并可确定有无单克隆轻链的存在。此外，血清蛋白电泳不能鉴别单克隆免疫球蛋白的类型，而免疫电泳可以明确单克隆免疫球蛋白和其轻链的类型。因此，要确定有无单克隆免疫球蛋白或其轻链的存在，并明确其类型，必须同时进行血清蛋白电泳、免疫电泳、血和尿免疫球蛋白轻链定量3项检查。应该指出，既往检测尿中轻链的加热法(尿本-周蛋白测定)因特异性和敏感性较差，已被尿轻链定量法取代。
(3)广泛性骨质疏松和(或)溶骨性病变是MM的另一重要特征，其中以颅骨穿孔样溶骨病变和胸腰椎压缩性骨折最具代表性。但骨质疏松和骨质破坏也可见于其他疾病(参见鉴别诊断)，而且MM患者并非都具有上述典型骨质改变。因此，不能仅仅根据有无广泛性骨质疏松和(或)溶骨性病变肯定或排除MM的诊断，而需结合有无其他2项诊断标准作出判断。
Ⅶ 什么叫ML
1. milliliter 毫升，计量单位。
2. ml 是中国大陆人创造发明英文 "make love" 的缩写，中文就是做爱的意思。有些无知的人，认为这样写比较"含蓄"。他们却不知道在中国古代，早已有一些含蓄的词汇来表达同样的意思。例如： 房事，云雨一番，同房，等。显示出，现代中国人对自己国家的古代文化的缺乏。常见于中国大陆网站，香港、台湾的网站也不多见。因为既不是拼音，也不是正规的英文缩写。导致很多懂英文，懂中文的人看了，一头雾水。还要问别人，才知道是什么意思。显然违反了语言是用来沟通的基本用途。而且有些人和别人完全是金钱交易，绝对不是做爱，居然也称自己 ml 如何，如何。简直就是糟蹋做爱的崇高含义！
在讲英文的国家，ml 并不代表做爱的意思。一般英文日常用语中， ml 仅代表 milliliter，毫升的意思。在英文字典中,并没有做爱这个解释。一般人用 "have sex"，"sexual intercourse"，或者那个F开头的单词，等等。即使在网络上， 最简单的说法就是 sex。可以说，ml 这个缩写完全就是中式英语（英文：Chinglish)，完全就是中国人创造发明的。在中国，请不要用英文缩写，容易引起不必要的误解。何况很多人连中文都没有学好。
堂堂中华，号称有几千年历史。几千年的中华文化，没有这些不伦不类的词语，是一样的灿烂辉煌！曾几何时，在当代中国，中国人对自己国家的文字缺乏兴趣。因此喜欢引用英文单词。（例如：pk，vs，wc，等。）其实是对自己文字的一种糟蹋。是否，以后的中文字典里，还要加入外文单词的解释呢？更何况，ml 在英文国家并没有这个意思。而且，中文已经有"房事"，"做爱"等词。如此下去，中文是否很快就会象日文一样，变得乱七八糟了呢？正如同韩国人的端午节在2005年，被联合国教科文组织正式确定为" 人类口头和非物质遗产代表作"。如果中国人继续糟蹋自己的文字，有朝一日，中文恐怕也会被韩国人申请为他们的文化遗产了。 因此，强烈建议大家为了珍惜自己国家的文化，捍卫中华文化，保卫中国字的完美无缺! 爱国从自己做起，从现在做起，写中文的时候只用汉字。
3.machine language 机器语言, makeup language 例如： html
4.machine learning, 人工智能里面的机器学习
4.mali 非洲的马里共和国的国家代号缩写
5.millilambert 毫郎伯(亮度单位)
6.Merrill Lynch 投资银行
7.游戏《实况足球》中的大师级联赛：Master League 的简称也叫ML
编辑本段ML语言
ML 是一个通用的函数式编程语言，它是由爱丁堡大学的Robin Milner及他人在二十世纪七十年代晚期开发的。它的语法是从ISWIM得到的灵感。作为元语言的ML是为了帮助在LCF定理证明机中寻找证明策略而构想出来的。（之前的元语言是pplambda，它联合了一阶逻辑演算、多态及Λ演算）。它使用了Hindley-Milner类型推论算法来推测大多数值的类型，而不需要四处使用注解
Ⅷ 字符串匹配算法
boyermoore算法的sample程序
TCHAR * BoyerMooreSearch(TCHAR *sSrc, TCHAR *sFind)
{
//
// 声明：
// 该段代码只是BoyerMoore(名字也许不准确)的基本思想，当
// 然不是最优的，具体完善工作就留给你自己乐！嘻嘻。
// 该算法的本质就是从字符串的右端而不是左端开始比较，这
// 样，当查询不匹配时才有可能直接跃过多个字符（最多可以跃过
// strlen(sFind)个字符），如果最右边的字符匹配则回溯。比如：
//
// pain
// ^ 这是第一次比较n和空格比
// The rain in SpainThe rain in Spain
//
// pain
// ^ 这是第二次比较，好爽呀！
// The rain in SpainThe rain in Spain
//
// 当然，这样比较会产生一些问题，比如：
//
// pain
// ^ （图1）
// The rain in SpainThe rain in Spain
//
// 如果比较到这儿，大家都会看到，只需再向后移到两个字符
// 就匹配成功了，但如果接下去还按上面的方法跳strlen(sFind)的
// 话，就会错过一次匹配！！！！！
//
// pain
// ^
// The rain in SpainThe rain in Spain
//
// 怎么办？当然可以解决！大家回头看图1，当时a是pain的子
// 串，说明有可能在不移动strlen(sFind)的跨度就匹配成功，那就
// 人为地给它匹配成功的机会嘛！串一下pain串，直接让两个a对齐
// 再做比较！呵呵，如果要比较的字符不是pain的子串，当然就可
// 以直接跨过strlen(sFind)个字符了！不知我说明白没？
//
//
// 查询串的长度
int nLenOfFind = lstrlen(sFind);
// 被查询串的长度
int nLenOfSrc = lstrlen(sSrc);
// 指向查询串最后一个字符的指针
TCHAR * pEndOfFind = sFind + nLenOfFind -1;
// 指向被查询串最后一个字符的指针
TCHAR * pEndOfSrc = sSrc + nLenOfSrc -1;
// 在比较过程中要用到的两个指针
TCHAR * pSrc = sSrc;
TCHAR * pFind;
// 总不能一直让它比较到win.com文件的地址去吧？嘻嘻！
while ( pSrc <= pEndOfSrc ) {
// 每次匹配都是从右向左，这是本算法的核心。
pFind = pEndOfFind;
// 如果比较不成功，被查询串指针将向右串的字符数
int nMoveRightSrc;
// 比较被查询串的当前字符是否和查询串的最右边字
// 符匹配，如果匹配则回溯比较，如果全匹配了，该
// 干什么，我就不用说了吧？:-)
while ( pFind >= sFind ) {
// TNND，白废功夫比了！看看需要向右移动几个
// 字符吧（如果说从右到左是本算法的核心，则
// 判断向右移几个字符则是本算法的技巧）。
if ( *pSrc != *pFind ) {
// 被查询串的当前字符是否在查询串里？
TCHAR * p = strrchr( sFind, *pSrc );
// 没在，直接移lstrlen(sFind)个字符
if ( NULL == p )
nMoveRightSrc = nLenOfFind;
else
// 哇塞！真的在，那就只需...
nMoveRightSrc = pEndOfFind - p;
break;
}
// 哈！又匹配成功了一个！接着向左回溯...
pFind --;
pSrc --;
}
// 如果在上面的while循环里每一次比较都匹配了
// 那就对了呗！告诉用户找到了
if ( pFind < sFind )
return ( pSrc + 1 );
// 没匹配成功，nMoveRightSrc上面已经算好了
// 直接用就可以了。
pSrc += nMoveRightSrc;
}
// 程序运行到这儿肯定是没指望了！
return NULL;
}
行了，函数写完了，我们可以试一下了！
void CTNNDDlg::OnButton1()
{
TCHAR sSrc[] = "The rain in Spain";
TCHAR sFind[]= "pain";
TCHAR * pFound = BoyerMooreSearch( sSrc, sFind );
if ( pFound )
MessageBox(pFound);
else
MessageBox("没找到");
}
//另外一个
void preBmBc(char *x, int m, int bmBc[]) {
int i;
for (i = 0; i < ASIZE; ++i)
bmBc[i] = m;
for (i = 0; i < m - 1; ++i)
bmBc[x[i]] = m - i - 1;
}
void suffixes(char *x, int m, int *suff) {
int f, g, i;
suff[m - 1] = m;
g = m - 1;
for (i = m - 2; i >= 0; --i) {
if (i > g && suff[i + m - 1 - f] < i - g)
suff[i] = suff[i + m - 1 - f];
else {
if (i < g)
g = i;
f = i;
while (g >= 0 && x[g] == x[g + m - 1 - f])
--g;
suff[i] = f - g;
}
}
}
void preBmGs(char *x, int m, int bmGs[]) {
int i, j, suff[XSIZE];
suffixes(x, m, suff);
for (i = 0; i < m; ++i)
bmGs[i] = m;
j = 0;
for (i = m - 1; i >= -1; --i)
if (i == -1 || suff[i] == i + 1)
for (; j < m - 1 - i; ++j)
if (bmGs[j] == m)
bmGs[j] = m - 1 - i;
for (i = 0; i <= m - 2; ++i)
bmGs[m - 1 - suff[i]] = m - 1 - i;
}
void BM(char *x, int m, char *y, int n) {
int i, j, bmGs[XSIZE], bmBc[ASIZE];
/* Preprocessing */
preBmGs(x, m, bmGs);
preBmBc(x, m, bmBc);
/* Searching */
j = 0;
while (j <= n - m) {
for (i = m - 1; i >= 0 && x[i] == y[i + j]; --i);
if (i < 0) {
OUTPUT(j);
j += bmGs[0];
}
else
j += MAX(bmGs[i], bmBc[y[i + j]] - m + 1 + i);
}
}
Ⅸ 机器人的分类
机器人分为两大类，即工业机器人和特种机器人。工业机器人就是面向工业领域的多关节机械手或多自由度机器人。特种机器人则是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人。
特种机器人包括：服务机器人、水下机器人、娱乐机器人、军用机器人、农业机器人、机器人化机器等。在特种机器人中，有些分支发展很快，有独立成体系的趋势，如服务机器人、水下机器人、军用机器人、微操作机器人等。
(9)igm算法扩展阅读：
机器人的发展趋势
机器人与人工智能的结合必须要靠产业生态。人工智能的未来需要更大的开放与合作，一方面，单一的深度学习算法已经难以满足人工智能在机器人领域的应用，人工智能+机器人。需要掌握着专业知识的各路创业者和科学家进行紧密合作。
在构建良好外部发展环境的同时，机器人对于环境的自主适应性，即“柔性智能”也需要进一步提升。通过与新技术的不断融合，机器人生态系统已经发生改变，必须随之进行技术上的调整和突破，机器人才能有更好的性能、更高的智能和更广阔的发展空间。
Ⅹ RPR，ACA，TORCH，HCY是什么意思
RPR的简称Resilient Packet Ring弹性分组环
ACA是The Associate Chartered Accountant英国特许会计师的简称
TORCH是指可导致先天性宫内感染及围产期感染而引起围产儿畸形的病原体
HCY是指同型半胱氨酸（homocysteine, hCY）
具体看下面都是贴过来的，不过出处太多就不一一说明了
RPR的简称Resilient Packet Ring弹性分组环, 从字眼我们可以看出这个技术的三个特点，
首先是弹性的，这个比价复杂我们后面慢慢谈谈这些弹性的优点。
再次是Packet,这个技术基于包的传送。
最后是Ring,包的传送要建立在Ring这种拓扑结构上。而且是一种双环结构，每个环上最大的带宽1.25Gbit/s, 双环最大带宽2.5Gbit/s. 外环携带内环数据包的管理字节，内环携带外环的管理字节。这样，双环互为保护和备份。
我们来谈谈“弹性”带来的优点：
1 业务分级，将业务分为3级A，B，C. 其中A细分为两级，B细分为两级。数据类型实际上被分为5级，每一级有不同的QoS，保证业务的区分度，分别对应实时业务，非实时业务和尽力传送。
2拓扑自动发现，保证了对环上新增和移去的节点，动态实现拓扑结构更新。如果要增加或者减少RPR上的总带宽，则可以结合LCAS功能来实现。使用LCAS可以动态的调整带宽，而不影响原有业务。
3空间重用，RPR单播帧在目的节点剥离的机制，实现了环上带宽的空间重用。环上带宽可以几个点的业务共用，带宽利用率提高。
4公平算法，RPR内环和外环都支持独立的公平算法。公平算法保证了低优先级的B_EIR和C类业务在RPR环上的公平接入。通过设置公平算法的权重，可以使不同的结点具有不同的接入速率。节点可以分别在外环和内环上设置不同的权重。
5保护：wrapping+string, wrapping相当于断纤处环回，倒换时间快，但是路径不是最优。String保护模式倒换时间慢，但选择最优路径。
ACA是The Associate Chartered Accountant（英国特许会计师）的简称
ACA 专业资格在国际上享有极高声誉， 它将使你在同行中脱颖而出：在英国担任高级职务的会计师中，具有ACA 资格的人数多于具有其他任何会计师资格的人数。据2006 年4 月的一项统计， 在英国前一百家最大的上市公司中，具有会计师资格的首席财务官，财务总监及公司秘书有101 人，具有ACA 资格的人数占70%，是具有其他会计师资格人数的5 倍。
ACA 专业资格可以帮助你加速到达事业的顶峰，而且在职场上极具竞争力：在英国，由于ACA 挑选最优秀的人才参加培训，绝大多数学员都能一次考试合格。2004 年，78% 的ACA 学员一次考试合格，高于任何其他会计师资格考试。大部分ACA学员在取得资格后很快晋升为事务所的合伙人或公司的财务总监，还有一些人拥有自己的公司，供职于政府部门或被公司派到海外工作。
ACA 专业资格获得全世界的认可：英国特许会计师协会与下列国家的会计师协会签有会员互认协议：加拿大，澳大利亚，新西兰，欧共体成员国，香港和南非；允许其会员申请成为这些协会的会员（在满足某些特定条件的前提下）。世界上140 个国家都有ACA 在那里工作。作为世界上唯一一家设有专家小组的协会，这些专家在会员终生的事业发展过程中提供技术上，经验上和政策更新方面的帮助。协会的网站为会员提供大量的信息资源。国际会员小组在世界上许多国家都非常活跃，定期组织活动，为会员提供交流和联谊的机会。
TORCH是指可导致先天性宫内感染及围产期感染而引起围产儿畸形的病原体，它是一组病原微生物的英文名称缩写，其中T（Toxopasma)是弓形虫，R(Rubella.Virus)是风疹病毒，C(Cytomegalo.Virus)是巨细胞，H(Herpes.Virus)即是单纯疱疹I/II型。
这组微生物感染有着共同的特征，即可造成母婴感染。孕妇由于内分泌改变和免疫力下降易发生原发感染，既往感染的孕妇体内潜在的病毒也容易被激活而发生复发感染。孕妇发生病毒血症时，病毒可通过胎盘或产道传播感染胎儿，引起早产、流产、死胎或畸胎等，以及引起新生儿多个系统、多个器官的损害，造成不同程度的智力障碍等症状。特别在怀孕初的三个月胚胎处于器官形成期，此时受病毒感染，可破坏细胞或抑制细胞的分裂和增值。器官形成期以后感染病毒，可破坏组织和器官结构，并可形成持续感染，出生后继续排毒，能引起相应的病变。固TORCH的感染影响者人口素质，与优生优育有重要关系。
【TORCH的感染】
风疹（RV)感染：RV主要通过呼吸道传播，孕妇感染后能使胎儿致畸，主要围先天性白内障、先天性心脏病和神经性耳聋，20周后感染者几乎无影响。
巨细胞（CMV):感染后能引起宫内胎儿生长迟缓、小头形、脑炎、视网膜脉膜炎、黄疸、肝脾肿大、溶血性贫血等，新生儿死亡率较高，围产期母乳排毒所致的CMV感染率为63％。单纯疱疹（HSV I、II型）感染：HSV通常潜伏在神经节。妊娠时母体的生理变化使HSV活化，孕早期感染能破坏胚芽面导致流产，孕中晚期虽少发畸胎，但可引起胎儿和新生儿发病。
【TORCH检测意义】
TORCH综合症患者造成孕妇流产、死胎，出生后有严重的智力障碍，生活不能自理，造成极大的精神及经济负担。我国每年约有26000个TORCH患儿出生，平均每小时就有3人，对优生优育与人口素质构成极大的威胁，因此它的感染诊治工作引起普遍关注。
【TORCH检测的方法】
目前，国际上公认的最方便、最先进的早期筛查方法是采用ELISA酶免诊断技术。ELISA酶免检测方法是检测人体血清中的特异性IgM、IgG抗体，由于IgM为早期感染指标，对胎儿影响巨大，所以IgM的检测备受关注，胎盘中特异性IgM的检测是诊断胎儿宫内感染的可靠依据。ELISA试剂因其稳定、灵敏度高、特异性强、成本低等优点而在普通实验室中广泛采用。
hcy 同型半胱氨酸是人体内含硫氨基酸的一个重要的代谢中间产物，可能是动脉粥样硬化等心血管疾病发病的一个独立危险因子。血浆中同型半胱氨酸含量与遗传因素、营养因素、雌激素水平、年龄因素等有关，与同型半胱氨酸代谢有关的N5N10-亚甲基四氢叶酸还原酶和胱硫醚-β-合成酶的基因突变，酶活性下降，也可引起高同型半胱氨酸血症。