Resilient Pattern Mining
本文提出 (τ, k)-弹性模式挖掘问题，设计 O(n log n) 时间和 O(n) 空间的精确算法，并通过实验证明弹性子串在基因组分析、版本化数据集和聚类中比频繁子串更有效且算法高效。
2025-06-05 cs.DS
A Fast String Matching Algorithm Based on Lowlight Characters in the Pattern
提出了一种新的字符串匹配算法，该算法不从模式的左端或右端进行匹配，而是从一个特定的位置进行匹配。与Knuth-Morris-Pratt算法和Boyer-Moore算法相比，新算法在选择比较起始位置时更加灵活。该选项确实节省了成本。
2014-01-28 cs.DS
String Cadences
我们说一个字符串有节奏，如果某个字符以规则的间隔重复，可能有该字符的插入出现。如果第一个音程必须与其他音程长度相同，我们称之为固定节奏。我们给出了一个次二次算法，用于确定一个字符串是否有任何节奏组成的至少三个出现的字符，和一个近线性算法，找到所有锚定的节奏。
2016-10-11 cs.DS
Deterministic Indexing for Packed Strings
给定一个长度为$n$的字符串$S$，经典的字符串索引问题是将$S$预处理成一个紧凑的数据结构，以支持高效的后续模式查询。在\emph{deterministic}变体中，目标是在没有任何随机化的情况下（在预处理时或查询时）解决字符串索引问题。在\emph{packed}变体中，字符串在一个单词中存储有多个字符，这使我们有机会同时读取多个字符。我们的主要结果是一个新的字符串索引的确定性\emph{and}包装设置。给定一个包装字符串$S$的长度$n$在一个字母表$σ$，我们展示了如何预处理$S$在$O(n)$（确定性）的时间和空间$O(n)$，这样，给定一个包装模式字符串的长度$m$，我们可以支持查询（确定性）的时间$O\left(m/α+ \log m + \log \log σ\right), $其中$α= w / \log σ$是字符数包装在一个字的大小$w = Θ(\log n)$。我们的查询时间总是至少与以前的最佳已知边界一样好，并且每当几个字符被打包在一个单词中时，即，$\log σ\ll w$，查询时间更快。
2016-12-06 cs.DS
Many Flavors of Edit Distance
本文研究字符串相似性度量间的标准化转换方法，证明可将任意字母表上的字符串相似性问题归约为二元字母表问题，并将插入删除距离转换为编辑距离，补充了Tiskin (2007)的逆向结果。
2024-10-13 cs.DS
Computing the Parameterized Burrows--Wheeler Transform Online
参数化字符串是字符串的一种概括，因为它们的字符来自两个不同的字母表，其中一个被认为是静态字符的字母表，另一个被认为是参数字符的字母表。如果在所有字符上存在双射，使得双射将一个字符串转换为另一个字符串，同时保持静态字符（即，其表现为静态字母表上的标识）。Ganguly等人[SODA 2017]提出了参数化Burrows-Wheeler变换（pBWT）作为Burrows-Wheeler变换的变体，用于空间高效的参数化模式匹配。在本文中，我们提出了一个算法，通过从右到左逐个读取给定输入字符串的字符来在线计算pBWT。我们的算法工作在$O(|Π| \log n / \log \log n)$摊销时间为每个输入字符，其中$n$和$Π$分别表示输入字符串的大小和参数字符的字母表。
2022-08-31 cs.DS
Sliding Window String Indexing in Streams
给定字母表$Σ$上的字符串$S$，“字符串索引问题”是预处理$S$以随后支持有效的模式匹配查询，即，给定模式字符串$P$，报告$S$中$P$的所有出现。本文研究了“流式滑动窗口字符串索引问题”。这里，字符串$S$作为流到达，每次一个字符，目标是为指定的参数$w$维护最后$w$字符的索引，称为“窗口”。在任何时间点，针对模式$P$的模式匹配查询都可能到达，也是一次一个字符地流式传输，并且必须返回当前窗口内所有出现的$P$。流滑动窗口字符串索引问题自然地捕获了我们想要索引流的最新数据（即窗口）同时支持有效模式匹配的场景。我们的主要结果是一个简单的$O(w)$空间数据结构，使用$O(\log w)$时间与高概率处理每个字符从输入字符串$S$和模式字符串$P$。从$P$报告每个事件使用每个报告事件的附加恒定时间。与以前在类似情况下的工作相比，这个结果是第一个从输入流中获得每个字符有效的最坏情况时间。我们还考虑了问题的延迟变体，其中查询可以在从任一流到达的下一个$δ$字符内的任何点被回答。我们提出了一个$O(w + δ)$空间数据结构，这个问题，提高了上述的时间界限$O(\log(w/δ))$。特别地，对于$δ= εw$的延迟，我们获得每个字符具有恒定时间处理的$O(w)$空间数据结构。实现我们的结果的关键思想是一个新颖的和简单的层次结构的后缀树的独立利益，灵感来自经典的日志结构的合并树。
2023-01-23 cs.DS
Hardness Results on Characteristics for Elastic-Degenerated Strings
本文研究了弹性退化字符串（ED strings）上多种生物信息学查询问题的计算复杂度，证明了最长重复因子问题存在多项式时间算法，而唯一子串、缺失词等问题均为NP-hard。
2024-11-16 cs.CC cs.DS
A Fast Heuristic for Exact String Matching
给定由$δ$不同字符组成的长度为$n$的模式字符串$P$和长度为$m$的查询字符串$T$，其中$P$和$T$的字符是从大小为$Δ$的字母表$Σ$中提取的，{ \em精确字符串匹配}问题包括在$T$中找到所有出现的$P$。针对这个问题，我们提出了一个随机启发式算法，在$O(nδ)$时间预处理$P$，以确定$sparse(P)$，一个很少出现的子串$P$，然后使用它来找到所有出现的$P$在$T$有效。该试探法的预期搜索时间为$O( \frac{m}{min(|sparse(P)|, Δ)})$，其中$|sparse(P)|$至少为$δ$。我们还表明，对于一个模式字符串$P$的字符是随机均匀地从一个字母表的大小$Δ$，$E[|sparse(P)|]$是$Ω(Δlog (\frac{2Δ}{2Δ-δ}))$。
2015-12-11 cs.DS
A Bijective String Sorting Transform
给定一个字符串，Burrows-Wheeler变换重新排列其中的字符，以便产生另一个相同长度的字符串，该字符串更适合于压缩技术，例如移动到前面，行程长度编码和熵编码器。我们提出了一个变体的变换，它产生类似或更好的压缩值，但是，与原来的不同，我们提出的变换是双射的，因为逆变换存在于所有字符串。我们的实验表明，使用我们的变形的变换产生更好的压缩比比原来的Burrows-Wheeler变换。我们还表明，无论是变换和它的逆可以计算在线性时间和消耗线性存储。
2012-01-15 cs.DS
The universality of iterated hashing over variable-length strings
迭代哈希函数递归地处理字符串，一次一个字符。在每次迭代中，它们根据前一个哈希值和下一个字符计算新的哈希值。我们证明了迭代哈希可以是两两独立的，但永远不会是三两独立的。我们表明，它几乎可以是普遍的字符串比哈希值的数量长得多，我们绑定的最大字符串长度给定的碰撞概率。
2011-11-24 cs.DB cs.DS
Fast Algorithms for Exact String Matching
给定长度为$n$的模式字符串$P$和长度为$m$的查询字符串$T$，其中$P$和$T$的字符是从大小为$Δ$的字母表中提取的，{ \em精确字符串匹配}问题包括在$T$中查找所有出现的$P$。对于这个问题，我们提出的算法，在$O(nΔ^2)$时间预处理$P$，基本上确定$sparse(P)$，一个很少出现的子串$P$，然后用它来找到$P$在$T$有效的出现。我们的算法需要$O(m)$的最坏情况下的搜索时间，和$O(m/min(|sparse(P)|, Δ))$的预期搜索时间，其中$|sparse(P)|$至少是$δ$（即$P$中不同字符的数量），并且对于大多数模式字符串，它被观察到是$Ω(n^{1/2})$。
2015-09-30 cs.DS
Incongruity-sensitive access to highly compressed strings
本文提出了一种基于不一致性的高效访问高度压缩字符串中不可压缩子字符串的方法，通过构建特定数据结构实现快速访问。
2026-02-04 cs.DS
Efficient Online String Matching Based on Characters Distance Text Sampling
在文本中搜索模式的所有出现是计算机科学中的一个基本问题，在许多其他领域，如自然语言处理，信息检索和计算生物学的应用。采样字符串匹配是最近推出的一种有效的方法，一方面，为了克服令人望而却步的空间要求的索引建设，并大大减少搜索时间的在线解决方案，另一方面。在本文中，我们提出了一种新的算法的采样字符串匹配问题的基础上，字符距离采样方法。其主要思想是在验证原始文本之前，对给定主元字符的连续出现之间的距离进行采样，然后在线搜索采样数据以查找采样模式的任何出现。从理论上证明了在适当的条件下，该方案可以同时获得线性最坏时间复杂度和最优平均时间复杂度.从实践的角度来看，我们的解决方案在实践中表现出次线性行为，并将在线搜索速度提高了9倍，使用有限的额外空间，其数量从文本大小的11%到2.8%，与以前的解决方案相比，增益高达50%。
2019-08-16 cs.DS
Modulated String Searching
Abrahamson在1987年发表的题为“Generalized String Matching”的论文中，介绍了{ \em模式匹配与字符类}，并提供了第一个有效的算法来解决它。迄今为止最著名的解决方案是Linhart和Shamir（2009）。另一类广泛但相对较少研究的字符串匹配问题是数字字符串搜索，例如，"小于“或$L_1$范数字符串搜索。此类问题最著名的解决方案是基于经过适当重新编码后的FFT卷积。本文介绍了{ \em调制字符串搜索}作为字符串匹配问题的一个统一的框架，其中的数值条件可以结合一些布尔/数值决策条件的字符类。该类中的一个示例问题是字符类上的{ \em局部有界$L_1$ -范数}匹配问题：这里，基于文本字符与那些模式字符之一之间的最小$L_1$距离来评估文本中某个位置处的字符与模式中某个位置处的一组字符之间的“匹配”。如果两个字符之间的差异（绝对值）不超过预定义的常数，则两个位置“匹配”。如果所有这些差异的总和不超过第二预定义常数值，则图案具有与文本对齐的出现。这个问题需要逐点评估每个匹配的质量，并且基于前面提到的算法没有已知的解决方案。
2013-07-25 cs.DM cs.DS math.CO
Fast computation of approximate weak common intervals in multiple indeterminate strings
本文提出一种快速计算多条不确定字符串中近似弱公共区间的算法，其时间复杂度接近确定字符串特例算法，能在数小时内完成数百个细菌基因组的计算。
2023-04-05 cs.DS
Communication-Efficient String Sorting
令人惊讶的是，在分布式内存并行机上对字符串进行排序的算法很少。我们开发了有效的算法，这个问题的基础上的多路合并原则。这些算法只检查确定排序顺序所需的字符。此外，还通过（粗略地）仅传送那些字符以及通过仅传送相同前缀的重复一次来减少通信量。在多达1280个核上的实验表明，这些算法通常比以前的算法快5倍以上。
2020-01-23 cs.DC cs.DS
Learning Character Strings via Mastermind Queries, with a Case Study Involving mtDNA
我们研究的程度，一个字符串，$Q$，泄漏有关自己的细节，任何时候，它从事比较协议与字符串提供的查询器，鲍勃，即使这些协议是加密保证不产生额外的信息，除了分数，评估的程度，$Q$匹配字符串提供的鲍勃。我们表明，这样的情况下，让鲍勃玩游戏的主谋与$Q$的变种，以了解完整的身份$Q$。我们发现，有一些有效的实施鲍勃采用这些主谋攻击，根据知识，他对结构的$Q$，这表明如何快速，他可以确定$Q$。事实上，我们表明，鲍勃可以发现$Q$使用的测试比较的数量比$Q$的长度小得多，在合理的假设下，关于类型的分数是由加密协议返回的，他是否可以使用知识的分布，$Q$来自。我们还提供了我们对线粒体DNA数据库进行的案例研究的结果，显示了现有真实世界DNA数据对Mastermind攻击的脆弱性。
2010-04-13 cs.CR cs.DS cs.IT
