比较测算法

1. 请教：数据结构，如何测试算法的好坏

一般算法的好坏标准有以下：
1、准确性，首先必须保证算法得出的结果准确，这里的准确性并不是代表一定要得到某个值。例如在进化算法中，得出的非支配解集就存在一定的随机性，可以通过建立数学方法去讨论解的好坏。
2、时间复杂度和空间复杂度，现在对于空间复杂度讨论较少，都是时间复杂度的讨论。
3、算法的健壮性，有的算法是为了某一个具体的实例而建立的，但是有的算法就有通用性。

2. Miller Rabin算法的算法比较

Miller-Rabin算法在基于Fermat定理的算法中是最优秀的，无论从误判概率还是从速度上看，它都优于其它 Fermat 类算法，例如 ： Fermat 算法 、 Lehmann 算法、 Solovay- Strassen算法等。Lucas 测试是Pomerance、Selfridge 和 Wagstaff 提出的一种基于Lucas序列的概率素数测试算法，该算法一轮消耗的 时间大概相当于6轮Miller-Rabin测试。一轮Lucas 的误判概率 为4/15，该算法经过一些改进,一轮的误判概率达到1/8。这 种算法在误判概率和速度的权衡考虑上不如Miller-Rabin 算法。Grantham-Frobenius 测 试(QFT) 是 Grantham 提出的基于 Frobenius概率素数和Frobenius强概率素数理论的算法，给定 一组参数(b,c)，误判概率可以被控制在1/7710以下。时间复杂度是(3+O(1))log2(n)( 以模n乘法为基本操作)，大概相当于3轮Miller-Rabin算法。这种算法理论比较艰深，目前只停留在理论研究阶段，还不适合现实应用。Adams 和Shanks 提出了一种基于Perrin 序列的算法，他们算法的Q和I两种情况下还没发现伪素数，没有考虑算法 的速度，只是就误判概率来进行研究，他们的工作主要是侧 重数学理论研究，算法目前还不适合现实应用。

3. 几种人体运动检测算法的比较分析

引言人体运动分析是目前一个研究热点,在智能安全监控系统、体育运动分析、医疗诊断等领域具有广泛的应用前景。它主要涉及计算机视觉、模式识别、图像处理以及人工智能等领域,是跨学科的研究课题。其研究核心是从视频中检测和跟踪人体,获取人体运动数据,以此为基础重建人体的三维运动,进而描述和理解人体运动。其中人体运动目标检测的检测效果直接影响后期的目标识别、跟踪及行为理解等工作,因此运动人体检测技术是计算机视频图像处理中最基础、最关键的技术,对运动检测算法进一步研究具有深远意义。人体运动检测是指在输入视频图像中确定运动人体的位置、尺度大小和姿态的过程[1]。目前采用比较多、比较经典的人体运动检测方法有时间差分法、背景减除法、光流法等。笔者扼要阐述OGHMs法的理论依据,在现有算法的基础上,引入图形学的腐蚀运算,应用于最后获得的检测结果,实验证明腐蚀运算的引入使最终的运动检测效果更好。同时对其他几种常用的方法进行介绍和实际应用,根据得到的实验结果,对这几种方法以及OGHMs法进行分析和比较,并指出其优点和不足。所有的实验都是

4. 有没有测试算法的软件

测试算法？？？这东西貌似没听过。推荐效率？？？如果是运行效率的话，直接拿同一组测试数据，分别跑老算法和你改进的算法，得出运行时间就可以

5. 什么是比率测算法

比率测算法是 倒扣测算法 的延伸，它是依据 成本利润率 来测算单位产 品 目标成本 的一种 预测 方法。 这种方法要求事先确定先进的成本利润率，并以此推算目标成本， 这种方法常常用于 新产品 目标成本的预测。

记得采纳啊