M2M是谁？
M2M的个人资料 玛莉特（Marit Larsen）的个人资料： 全名：Marit Elisabeth Larsen 生日：1983年7月1日 星座：巨蟹座 出生地：Lenskog，挪威 身高：157cm 喜爱的食品：鸡肉，面条，汤 喜爱的饮料：水 喜爱的颜色： 暗红（就像我的吉他） 喜爱的音乐：任何与吉他有关的音乐我都喜欢 喜爱的艺术家：Sixpence None The Richer, Robyn, Oasis, Hanson, Bic Runga, Big Bang, The Beatles and Eric Clapton. 喜爱的专辑： "Middle of Nowhere" by Hanson and "Chronicles" by Eric Clapton 喜爱的演员：Joseph Gordon-Levitt, Katie Holmes 喜爱的电影：American Pie 美国派 喜爱的电视剧： Dawson's Creek 喜爱的图书：Right now it's "Choices" by Abigail Reed 喜爱的游戏：Ludo 芦多益智游戏 喜爱的运动：没有具体的 爱好：弹吉他 交朋友 写歌 玛莉安（Marion Raven）的个人资料： 全名：Marion Elise Ravn 生日：1984年5月25日 星座：双子座 出生地：Lenskog，挪威 身高：170cm 喜爱的食品：BBQ chips - haha 喜爱的饮料：芬达澄汁 喜爱的颜色：紫色 喜爱的音乐：任何R&B到摇滚的音乐（我不是个硬摇滚迷） 喜爱的艺术家：Jennifer Brown 喜爱的专辑："Vera" by Jennifer Brown 喜爱的演员：Christina Ricci!! 喜爱的电影：6th sense 灵意第六感 喜爱的电视剧：第七天堂 ， 六人行 喜爱的图书：Danielle Steel 喜爱的游戏： ？ 喜爱的运动： 足球和排球 爱好：音乐，画画，交友&派对，穿着睡衣整天待在家里 歌曲列表 单飞后两人所有歌曲列表：（更新2007/9/10） —Marion Raven— —Here I Am—[2005] 1. Get Me Out Of Here 2. Break You 3. Crawl 4. Here I Am 5. Little By Little 6. End Of Me 7. 13 Days 8. For You I'll Die 9. Let Me Introduce Yourself 10. Heads Will Roll 11. End Of The Day 12. 6 Feet Under 13. Gotta Be Kidding 14. In Spite Of Me 15. Surfin The Sun 16.There I Said It —Heads Will Roll（EP）—[2006 ] 01 Spit You Out 02 Heads Will Roll 03 All I Wanna Do is You 04 13 Days 05 Good 4 Sex 06 Let Me Introduce Myself (Acoustic) —Set Me Free—[2007] 1. Falling Away 2. Set Me Free 3. Crawl 4. Here I Am 5. Thank You （For Loving Me） 6. 13 Days 7. Break You 8. Heads Will Roll 9. For You I'll Die 10. End Of The Day 11. All I Wanna Do Is You 12. Let Me Introduce Myself（Acoustic） —单曲— 1.We Are W.I.T.C.H. 2.Octorber 3.It's All Coming Back To Me Now 4.Get Over Me 5. Pointless Relationship 6.That Day —Marit Larsen— —Under The Surface—[2006] 1. In Came The Light 2. Under The Surface 3. Don't Save Me 4. Only A Fool 5. Solid Ground 6. This Time Tomorrow 7. Recent Illusion 8. The Sinking Game 9. To An End (feat.Thom Hell) 10. Come Closer 11. Poison Passion 二、M2M算法模型 宏观到微观（M2M）模型。类似于粒计算（Granular Computing）的思想，M2M模型提供了一个多层次，粒度可选的数据结构，从而灵活地选择不同的抽象层次去解决不同粒度的问题，而不必每次关注粒度最小的层次。M2M模型的数据结构用O(n)时间建成，并具备高度的并行性，足够的处理器可使之在O(1)时间内建成（n为点集规模）。由于插入，删除，查询等操作都在常数时间内完成，且不会引起树结构不平衡，因此数据结构具有良好的动态性。此外，M2M模型的数据结构及其预处理过程，能够被所有基于M2M模型的算法所***享，从而大大地提高了需要多种算法***同处理的操作的效率，如图像处理和模式识别等。本文分析了基于M2M模型的算法的一般过程和***同特性，设计和编程实现了三种基于M2M模型的算法：最近邻算法，凸包算法和寻径算法,并与相应的经典算法和最新研究成果进行各方面的比较。 人类作为一种经历亿万年进化而不断完善的物种，值得模仿的不仅仅是其机体结构和运作机制，其思考问题的方式与及解决问题的方法，也同样经历亿万年的锤炼，其中奥妙之处更值得科学的研究与借鉴。人类在解决实际问题的时候，往往不是一开始就从粒度最细的层次去分析问题，而是先从宏观出发，粗略地排除一些不必要考虑的因素，锁定一个更窄的问题规模，然后再试图在粒度更细的层次去解决这个问题。这样不断地在粒度较粗的层次把问题的考虑范围缩小，直到一个粒度恰当的层次，可以迅速解决问题。宏观到微观算法模型（M2M model）就是这样一种模仿人类认知思维方式的算法模型。从抽象的意义来说，宏观微观算法思想利用从宏观到微观的过程实现了减治（Decrease-and-Conquer）的目的，探讨了模拟人类解决问题从宏观到微观渐进过程的新方法。 研究人类认知思维规律，模拟人类认知思维方法并应用于提高计算机智能一直是人工智能学科研究的热点。许多学者从生物体结构、遗传学原理或心理学模型出发研究人类智能的计算方法，而M2M算法模型则是从模仿人类思维方式出发研究人的认知过程。从这个角度来看M2M模型与粒计算（Granular Computing）的思想有异曲同工之妙。它们都是一个自顶向下（Top-down design）的多层次（Multiple levels）模型。解决问题的时候都采取在各抽象层次之间逐步细化(Step-wise refinement)的过程 [42][43] 。 M2M算法模型具有普适性，是一种指导算法设计的模型，很多经典算法问题和一些具体领域上的应用算法问题，如最近点对问题，凸包问题，TSP问题，聚类问题，寻径问题，碰撞检测问题等都可以利用M2M模型设计出高效的算法。 如果您认为本词条还有待完善，需要补充新内容或修改错误内容，请 编辑词条
参考资料：