用三叉链表作二叉树的存储结构，当二叉树中有n个结点时，有(n+2)个空指针

三叉链表每个节点有三个指针域（左、亲、右），共3n个指针。

  其中非空指针=亲（n-1个，因为根节点没有双亲）+左右（n-1，因为n个节点的二叉树有n-1条边）=2n-2；

  所以空指针=3n-(2n-2)=n+2。

 

查找效率：顺序查找、分块查找（块内元素顺序任意，块间有序）、二分查找  

从n个数里面找最大的两个数理论最少需要比较n+ logn -2 （n-1 + logn-1）

在用

Floyd算法求解各顶点间的最短路径时,每个表示两点间路径的path

^(k-1)[I,J]不一定是path

^(k)[I,J]的子集(k=1,2,3,…,n)

Floyd算法适用于多源最短路径问题，用一句话概括就是：从i号顶点到j号顶点只经过前k号点的最短路程

参考http://developer.51cto.com/art/201403/433874.htm

 

时间序列 http://my.oschina.net/lionets/blog/280855#OSC_h3_3

 授予权限的格式是grant on（表名）to（角色名），@localhost（本地主机）

解决隐马模型中预测问题的算法是（维特比算法）

下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测？ 【AR模型　　MA模型　　ARMA模型　　

GARCH模型】

AR模型是一种线性预测，即已知N个数据，可由模型推出第N点前面或后面的数据（设推出P点），所以其本质类似于插值。

MA模型(moving average model)滑动平均模型，模型参量法谱分析方法之一。

ARMA模型(auto regressive moving average model)自回归滑动平均模型，模型参量法高分辨率谱分析方法之一。这种方法是研究平稳随机过程有理谱的典型方法。它比AR模型法与MA模型法有较精确的谱估计及较优良的谱分辨率性能，但其参数估算比较繁琐。

GARCH模型称为广义ARCH模型，是ARCH模型的拓展，   GARCH对误差的 方差进行了进一步的建模，特别适用于波动性的分析和 预测。

时间序列算法模型是指采用某种算法（可以是 、 等）模拟历史数据，找出其中的变化规律，回归滑动平均模型（ARMA 模型，Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（AR模型）与滑动平均模型（MA模型）为基础混合构成