gsl算法
❶ 百度绿萝算法的算法原理
网络绿萝算法的定义及原理：
网络绿萝算法的定义以及推出的意义：
网络绿萝算法是网络上线的一种搜索引擎反作弊的算法。网络绿萝算法的推出，有效的控制了超链接作弊的行为，打击的主要对象有三类：一是购买链接的网站、二是出售链接的网站、三是链接交易的中介网站。
2. 网络绿萝算法的原理：
链接title与所指向页面内容索引的相关性的分析更加智能，不仅仅局限于网站的标题和meta及内容等。绿萝算法针对外链的传递综合了A站点内容与B站点内容的相关性，A及B网站页面内容品质，网站更新频率，网站违规历史记录，网站的总权重值，从而综合判断，A页面到B页面的链接的权重传递是否有效，当大量的权重传递失效后网站的整站权重必然下降，关键词排名消失在所难免；
权重传递失效，购买链接无效，“量变必定引发质变”，当spider发现大量的不良外链导出，即权重输出，必定会给降低该站点的权重值。这次绿萝算法调整加大了pr输出对整站影响的幅度。
网络绿萝算法的推出，告诉大家作战要老老实实。归根到底：重视用户体验网站才能发展的更好。
❷ SSL 证书的算法有哪些
目前SSL证书的加密算法主要有以下四种：
常用的对称加密算法如下：
算法 优势 劣势
AES-128-GCM 支持 MAC 功能 实现复杂，较 CBC 运行速度慢
AES-128-CBC 实现简单，运行速度快 不支持 MAC 功能
RC4 实现简单，运行速度快 安全性低，已被验证不安全
ChaCha20-Poly1305 针对移动端开发，运行速度快 推出时间较短
AES-GCM 是目前常用的分组加密算法，但是其有一个缺点就是计算量大，导致性能和电量开销比较大。为了解决这个问题，Intel 推出了名为 AES NI（Advanced Encryption Standard new instructions）的 x86 指令拓展集，从硬件上提供对 AES 的支持。对于支持 AES NI 指令的设备来说，使用 AES-GCM 无疑是最佳选择。
而针对移动端，谷歌开发的ChaCha20-Poly1305是最好的选择。
Chacha20-Poly1305 是由 Google 专门针对移动端 CPU 优化而采用的一种新式流式加密算法，它的性能相比普通算法要提高 3 倍，在 CPU 为精简指令集的 ARM 平台上尤为显着（ARM v8 前效果较明显）。其中 Chacha20 是指对称加密算法，Poly1305 是指身份认证算法。使用该算法，可减少加密解密所产生的数据量进而可以改善用户体验，减少等待时间，节省电池寿命等。
由于其算法精简、安全性强、兼容性强等特点，目前 Google致力于全面将其在移动端推广。
目前又拍云提供 SSL 证书的申购、管理、部署等功能。与国际顶级 CA 机构合作，证书类型丰富，操作流程简单方便，为用户提供一站式 HTTPS 安全解决方案。免费版 SSL 证书 1小时内，付费版OV、EV SSL证书 3 天内即可完成申购签发。并且一键完成 SSL 证书部署，即时开启全站HTTPS服务开启。
❸ sift算法得到的特征点如何用坐标描述
在我写的关于sift算法的前俩篇文章里头，已经对sift算法有了初步的介绍：九、图像特征提取与匹配之SIFT算法，而后在：九（续）、sift算法的编译与实现里，我也简单记录下了如何利用opencv，gsl等库编译运行sift程序。
但据一朋友表示，是否能用c语言实现sift算法，同时，尽量不用到opencv，gsl等第三方库之类的东西。而且，Rob Hess维护的sift 库，也不好懂，有的人根本搞不懂是怎么一回事。
那么本文，就教你如何利用c语言一步一步实现sift算法，同时，你也就能真正明白sift算法到底是怎么一回事了。
❹ C++应该学什么
大一学习的c++，工作之后也一直用的c++。
1. 涵盖c++入门到精通的图书列表
《The C programming language》必读
《C++ Primer》，号称是一本可以让你从C或java程序员转为一个真正的C++程序员的入门参考书，必读。
《The C++ programming language》，C++之父，人称B教主着作，在看过C++ primer后，应该可以跳章选读。
《Think in c++》，网上说此书的中文版翻译质量奇差，推荐看影印版，选读。
《Effective c++》，类似 Effective java，讲的是最佳实践，程序员必读。
《More effective c++》，上书的补充。
《The C++ standard library》，会写C，不会用标准库怎么行。这就跟java程序员不会用java.util包一样，必读。
《Effective STL》，STL库的最佳实践。Effective C++作者又一力作，必读。
《The annotated STL source》，STL源码分析，这本书应该算是深入/精通类了，选读。
《Generic programming and STL》，号称C++编程里，就是跟模板，泛型打交道，那么精通泛型是势在必行。
《C++ Template》，C++模板编程，代码复用的经验之道，必读。
《Exceptional C++》，跟Effective C++类似，属于最佳实践和难题解析，书中列出了许多应用场景和实例代码供读者揣摩，选读。
《More Exceptional C++》，上书的补充。
《Exceptional C++ Style》，上上书的补充
《Inside The C++ Object Model》，有了上面这些书做铺垫，那么终于可以读此神书了。它会带你游览C++对象模型的底层实现机制。读完此书，任何C++代码看起来如同行云流水，必读。
2. 优秀的C/C++开源项目(阅读代码)
OS：linux kernel LVS、Linux应用程序
DB：Mysql、PostgreSQL
Complier：VM、GCC
Framework：OpenSip、SipProxy、
Net：ACE(Java Mina、Netty)、TCP/IP、HTTP协议栈
Cache：Memcached、Redis、
Library：STL（java util package）、Boost、Qt(UI)、
balance：Apache、Nginx
GSL
地址：https://github.com/microsoft/GSL
Boost文档
地址：https://www.boost.org/doc/libs/
wxWidgets官网
地址：http://wxwidgets.org/
gtkmm
地址：https://www.gtkmm.org/en/
CopperSpice
地址：https://www.copperspice.com/
Qt
地址：https://www.qt.io/Eigen
地址：http://eigen.tuxfamily.org/index.php?title=Main_Page#Documentation
Plot utils
地址：https://www.gnu.org/software/plotutils/
Asio
地址：https://think-async.com/Asio/
POCO
地址：https://pocoproject.org/
abseil
地址：https://abseil.io/
C++开源库汇总列表
地址：https://en.cppreference.com/w/cpp/links/libs
除了这些开源项目，也可以找一些免费的公开课，那这里也推荐一个ACM金牌大佬讲授的免费C++课程，可以去体验一下：
学好C++才是入职大厂的敲门砖！ 当年要是有这课，我的C++也不至于这样
已失效
3.C++语法讲解
语言基础
详细介绍变量、表达式、语句、指针、数组、流程控制、函数、文件组织等。抽象机制 - 面向对象编程
深入讲解C++的抽象机制，封装（类）、继承、多态；操作符重载、函数对象、异常处理等。模板 - 泛型编程
详细介绍C++的模板机制，类模板、函数模板、模板特化等方面的内容。引用和指针：为什么引用很重要
const关键字：为什么const很重要
名字空间 (namespace)
关于C++对象
内置类型的对象，如int、double对象，自定义类型的对象对象类型的定义
关键字class和struct
类成员：成员函数和数据成员
静态数据成员
成员的访问控制
对象的size
关于this指针
onst成员函数、const究竟修饰什么
mutable数据成员
4种特殊成员函数：constructor、destructor、 constructor、operator=
对象的构造、初始化列表
对象的析构
对象的复制
什么情况下有必要显式定义4种特殊函数
C++对象生命周关于C++中操作符重载机制
重要操作符重载
算术运算：+, -, *, /, %, ++, --, ...
关系运算：>, <, ==, !=
下标存取：[ ]
函数调用：()，函数对象
类型转换、单参数构造函数与隐式转换、阻止隐式转换 -- explicit关键字友元与成员
基类与派生类
再谈对象的构造与析构
虚函数、纯虚函数
派生类的内存布局、虚函数表
多态、多态类型、如何体现多态
虚析构、为什么虚析构很重要
多继承
虚继承与虚基类
对基类的访问、public / protected / private继承
Down cast：static_cast<>和dynamic_cast<>
运行期类型识别 (RTTI)
C++语言机制提供了完整的OOP支持
超越继承
OOP若干法则和设计模式
《C++ Primer》
最新版本：第三版（第四版国外已上架， 国内一些网上书店也在预订中）
适合有丰富C经验，缺乏C++经验的。不过我个人一直认为此书带着过于强烈的C语言的痕迹，对于C++的学习未必是 好事。
《The C++ Programming Language》/《C++程序设计语言》
最新版本：第三版特别版
简称 TC++PL，有其他语言的丰富经验的。（也有人简称之为“TCPL”，但需与另一本《The C Programmer Language》区分开来）
《Essential C++》
《Accelerated C++》
这两本薄一些，都是不错的选择。《Accelerated C++》本人没有读过，从各方面的评价来看，完全值得推荐。
以上几本书都有相应的中文版，而且翻译的质量都不错。上面的书未必都需要读一遍，但无论如何，TC++PL是应该阅读的。
《Effective C++》
最新版本：第二版（第三版国外已上架，国内一些网上书店也在预订中）
简称EC。C++程序员必读！很多时候，我们说C++圣经不是指TC++PL，而是这一本。《The Pragmatic Programmer》一书中写到：“一旦你发现自己要参与C++项目的开发，赶快跑（不要走）到书店去购买Scott Mayer的《Effective C++》，可能还要《More Effective C++》”。
《C++ Coding Standards: 101 Rules, Guidelines, and Best Practices》/《C++ 编程规范》
个人认为此书应为C++程序员必备的案头书。几乎Effective系列和Exceptional系 列都在这里得到了总结。最新的模版、异常的业界经验都在这里的到了体现。可能的唯一缺陷就是对一个新手而言，关于“为什么这么做”的问题，解释的不够。
我 的看法是：如果你不理解其中的条款，记忆，并且照做；如果你理解其中的条款，我猜你一定会同意书中的观点。我认为这本书中的内容至少在2009年以前都不 会过时，人们将广为传诵它制定的101条戒律。
还不知道他的简称，也许“101”会成为一个候选者？
提到《Effective C++》，那么另外三本书一一浮出水面：
《More Effective C++》
《Exceptional C++》
《More Exceptional C++》。
新书《Exceptional C++ Style》也是值得一看的好书。
上 述几本书，一本也不应该放过。
个人建议上述书籍按顺序阅读。并且，在将来反复阅读这几本书。
4.深入c++面向对象
4.1、从C到C++
4.2、深入C++对象
4.3、操作符重载
4.4、面向对象基础 -- 继承
4.5、关于继承更多的话题
4.6、C++与面向对象设计
5.C++泛型编程与STL
5.1、C++ 模板机制
5.2、STL 概要
5.3、STL容器
5.4、STL迭代
5.5、STL算法
5.6、预与定义STL数对象
5.7、STL适配器
6. C++进阶
《Thinking in C++》/《C++编程思想》
这本书及其中文版传言好坏都有，没有认真看过，不做评价，如果确有兴趣，不妨尝试 一下该书。
以下几本书基本上涉及的都是语言本身，大体上可以按照以下的顺序阅读。
《C++必知必会》
如果早一年，这本书将是重量级的，然而它被101和《Exceptional C++ Style》盖过一头。
《C++ Gotchas: Avoiding Common Problems in Coding and Design》/《C++程序设计陷阱》
这又是一本我未曾读过，而且广受好评的书。
《STL 源码剖析》
这本书我刚到手，就被人"借"走，以至于到现在也没有看过。看过这本书的朋友，可以给一个合适的评价。
7. C++进阶之数据结构基础
这是所有编程语言中最应该学习的部分，程序组成的基础之一。
顺序存储、链式存储、循环链表；
双向链表、栈(顺序和链式)、队列(顺序和链式)；
栈的应用、树基本概念及遍历、二叉树；
排序算法、并归算法、选择、插入、快速、希尔。
以上这些内容你知道吗?
8. C++进阶之UI界面开发
掌握QT类库构架，图形界面开发模型；
掌握QT开发技巧，消息机制，图形处理；
掌握QT网络编程，UDP，TCP使用方式；
掌握QT文件处理方式，序列化；
掌握QT在windows，linux，ios，android不同平台下的移植技术。
9. C++进阶之Unix/Linux网络服务器
掌握Unix/Linux平台开发方式；
熟练使用系统调用；
熟练Unix/Linux内存管理，进程，线程调度；
熟悉网络服务器开发方式，熟练编写TCP，UCP网络服务程序；
掌握同步/异步IO模型在网络编程中的使用方式。
10.C++进阶之数据库开发
掌握SQL语言的实用技巧。Oracle,MySQL数据库的使用方式。
如果你能熟练掌握以上列出的技能，具备解决复杂问题和技术难点的能力，而且你能独立开发一些比较复杂的功能模块，那么很荣幸地告诉你，你已经达到中级水平，薪资过万对你来说简直是小菜一碟。
11.C++标准参考
C++ reference
地址：https://en.cppreference.com/w/
C++ Coding Standard
地址：http://www.possibility.com/Cpp/CppCodingStandard.html
Standard C++
地址：https://isocpp.org/
State of C++ Evolution
地址：http://www.open-std.org/jtc1/sc22/wg21/docs/papers/2008/n2597.html
The C++ Resources Network
地址：http://www.cplusplus.com/
Draft C++ Standard: Contents
地址：http://eel.is/c++draft/
需要资料私聊我
❺ 谁有粒子滤波C++实现的代码
程序流程：
1.命令行参数处理 －>
2.设置随机数生成器环境，创建随机数生成器、并且对其初始化。->
3.初始化视频句柄 －>
4.取视频中的一帧进行处理 －>
1）GRB－>HSV
2）保存当前帧在frames
3) 判断是否为第一帧，
若是则，
（1）忙等用户选定欲跟踪的区域
（2）计算相关区域直方图
（3）得到跟踪粒子
若不是则，
（1）对每个粒子作变换，并计算每个粒子的权重
（2）对粒子集合进行归一化
（3）重新采样粒子
4）画出粒子所代表的区域
5.释放图像
OpenCV学习——物体跟踪的粒子滤波算法实现之命令行参数处理
void arg_parse( int argc, char** argv )
{
int i = 0;
pname = remove_path( argv[0] );
while( TRUE )
{
char* arg_check;
int arg = getopt( argc, argv, OPTIONS );
if( arg == -1 )
break;
switch( arg )
{
case 'h':
usage( pname );
exit(0);
break;
case 'a':
show_all = TRUE;
break;
case 'o':
export = TRUE;
break;
case 'p':
if( ! optarg )
fatal_error( "error parsing arguments at -%c\n" \
"Try '%s -h' for help.", arg, pname );
num_particles = strtol( optarg, &arg_check, 10 );
if( arg_check == optarg || *arg_check != '\0' )
fatal_error( "-%c option requires an integer argument\n" \
"Try '%s -h' for help.", arg, pname );
break;
default:
fatal_error( "-%c: invalid option\nTry '%s -h' for help.",
optopt, pname );
}
}
if( argc - optind < 1 )
fatal_error( "no input image specified.\nTry '%s -h' for help.", pname );
if( argc - optind > 2 )
fatal_error( "too many arguments.\nTry '%s -h' for help.", pname );
vid_file = argv[optind];
}
作者使用Getopt这个系统函数对命令行进行解析，－h表示显示帮助，－a表示将所有粒子所代表的位置都显示出来，－o表示输出tracking的帧，－p number进行粒子数的设定，然后再最后指定要处理的视频文件。
OpenCV学习——物体跟踪的粒子滤波算法实现之RGB->HSV
IplImage* bgr2hsv( IplImage* bgr )
{
IplImage* bgr32f, * hsv;
bgr32f = cvCreateImage( cvGetSize(bgr), IPL_DEPTH_32F, 3 );
hsv = cvCreateImage( cvGetSize(bgr), IPL_DEPTH_32F, 3 );
cvConvertScale( bgr, bgr32f, 1.0 / 255.0, 0 );
cvCvtColor( bgr32f, hsv, CV_BGR2HSV );
cvReleaseImage( &bgr32f );
return hsv;
}
程序现将图像的像素值归一化，然后使用OpenCV中的cvCvtcolor函数将图像从RGB空间转换到HSV空间。
OpenCV学习——物体跟踪的粒子滤波算法实现之设定随机数
gsl_rng_env_setup();//setup the enviorment of random number generator
rng = gsl_rng_alloc( gsl_rng_mt19937 );//create a random number generator
gsl_rng_set( rng, time(NULL) );//initializes the random number generator.
作者使用GSL库进行随机数的产生，GSL是GNU的科学计算库，其中手册中random部分所述进行随机数生成有三个步骤：
随机数生成器环境建立，随机数生成器的创建，随机数生成器的初始化。
OpenCV学习——物体跟踪的粒子滤波算法实现之计算选定区域直方图
histogram** compute_ref_histos( IplImage* frame, CvRect* regions, int n )
{
histogram** histos = malloc( n * sizeof( histogram* ) );
IplImage* tmp;
int i;
for( i = 0; i < n; i++ )
{
cvSetImageROI( frame, regions[i] );//set the region of interest
tmp = cvCreateImage( cvGetSize( frame ), IPL_DEPTH_32F, 3 );
cvCopy( frame, tmp, NULL );
cvResetImageROI( frame );//free the ROI
histos[i] = calc_histogram( &tmp, 1 );//calculate the hisrogram
normalize_histogram( histos[i] );//Normalizes a histogram so all bins sum to 1.0
cvReleaseImage( &tmp );
}
return histos;
}
程序中先设置了一个类型为histogram的指向指针的指针，是histogram指针数组的指针，这个数组是多个选定区域的直方图数据存放的位置。然后对于每一个用户指定的区域，在第一帧中都进行了ROI区域设置，通过对ROI区域的设置取出选定区域，交给函数calc_histogram计算出直方图，并使用normalize_histogram对直方图进行归一化。
计算直方图的函数详解如下：
histogram* calc_histogram( IplImage** imgs, int n )
{
IplImage* img;
histogram* histo;
IplImage* h, * s, * v;
float* hist;
int i, r, c, bin;
histo = malloc( sizeof(histogram) );
histo->n = NH*NS + NV;
hist = histo->histo;
memset( hist, 0, histo->n * sizeof(float) );
for( i = 0; i < n; i++ )
{
img = imgs[i];
h = cvCreateImage( cvGetSize(img), IPL_DEPTH_32F, 1 );
s = cvCreateImage( cvGetSize(img), IPL_DEPTH_32F, 1 );
v = cvCreateImage( cvGetSize(img), IPL_DEPTH_32F, 1 );
cvCvtPixToPlane( img, h, s, v, NULL );
for( r = 0; r < img->height; r++ )
for( c = 0; c < img->width; c++ )
{
bin = histo_bin( pixval32f( h, r, c ),
pixval32f( s, r, c ),
pixval32f( v, r, c ) );
hist[bin] += 1;
}
cvReleaseImage( &h );
cvReleaseImage( &s );
cvReleaseImage( &v );
}
return histo;
}
这个函数将h、s、 v分别取出，然后以从上到下，从左到右的方式遍历以函数histo_bin的评判规则放入相应的bin中（很形象的）。函数histo_bin的评判规则详见下图：
｜－－－－｜－－－－｜－－－－｜。。。。｜－－－－｜－－－－－－｜－－－－－－｜。。。。｜－－－－－－－｜
1NH 2NH 3NH NS＊NH NS＊NH＋1 NS*NH+2 NS＊NH＋NV
OpenCV学习——物体跟踪的粒子滤波算法实现之初始化粒子集
particle* init_distribution( CvRect* regions, histogram** histos, int n, int p)
{
particle* particles;
int np;
float x, y;
int i, j, width, height, k = 0;
particles = malloc( p * sizeof( particle ) );
np = p / n;
for( i = 0; i < n; i++ )
{
width = regions[i].width;
height = regions[i].height;
x = regions[i].x + width / 2;
y = regions[i].y + height / 2;
for( j = 0; j < np; j++ )
{
particles[k].x0 = particles[k].xp = particles[k].x = x;
particles[k].y0 = particles[k].yp = particles[k].y = y;
particles[k].sp = particles[k].s = 1.0;
particles[k].width = width;
particles[k].height = height;
particles[k].histo = histos[i];
particles[k++].w = 0;
}
}
i = 0;
while( k < p )
{
width = regions[i].width;
height = regions[i].height;
x = regions[i].x + width / 2;
y = regions[i].y + height / 2;
particles[k].x0 = particles[k].xp = particles[k].x = x;
particles[k].y0 = particles[k].yp = particles[k].y = y;
particles[k].sp = particles[k].s = 1.0;
particles[k].width = width;
particles[k].height = height;
particles[k].histo = histos[i];
particles[k++].w = 0;
i = ( i + 1 ) % n;
}
return particles;
}
程序中的变量np是指若有多个区域n，则一个区域内的粒子数为p/n，这样粒子的总数为p。然后程序对每个区域（n个）中p/n个粒子进行初始化，三个位置坐标都为选定区域的中点，比例都为1，宽度和高度为选定区域的高度。然后又跑了个循环确定p个粒子被初始化。
OpenCV学习——物体跟踪的粒子滤波算法实现之粒子集合变换
particle transition( particle p, int w, int h, gsl_rng* rng )
{
float x, y, s;
particle pn;
x = A1 * ( p.x - p.x0 ) + A2 * ( p.xp - p.x0 ) +
B0 * gsl_ran_gaussian( rng, TRANS_X_STD ) + p.x0;
pn.x = MAX( 0.0, MIN( (float)w - 1.0, x ) );
y = A1 * ( p.y - p.y0 ) + A2 * ( p.yp - p.y0 ) +
B0 * gsl_ran_gaussian( rng, TRANS_Y_STD ) + p.y0;
pn.y = MAX( 0.0, MIN( (float)h - 1.0, y ) );
s = A1 * ( p.s - 1.0 ) + A2 * ( p.sp - 1.0 ) +
B0 * gsl_ran_gaussian( rng, TRANS_S_STD ) + 1.0;
pn.s = MAX( 0.1, s );
pn.xp = p.x;
pn.yp = p.y;
pn.sp = p.s;
pn.x0 = p.x0;
pn.y0 = p.y0;
pn.width = p.width;
pn.height = p.height;
pn.histo = p.histo;
pn.w = 0;
return pn;
}
程序使用动态二阶自回归模型作为基本变换思路，变换的对象有坐标x，坐标y，和比例s。变换的x和y要符合在width和height之内的条件。
OpenCV学习——物体跟踪的粒子滤波算法实现之粒子集重新采样
particle* resample( particle* particles, int n )
{
particle* new_particles;
int i, j, np, k = 0;
qsort( particles, n, sizeof( particle ), &particle_cmp );
new_particles = malloc( n * sizeof( particle ) );
for( i = 0; i < n; i++ )
{
np = cvRound( particles[i].w * n );
for( j = 0; j < np; j++ )
{
new_particles[k++] = particles[i];
if( k == n )
goto exit;
}
}
while( k < n )
new_particles[k++] = particles[0];
exit:
return new_particles;
}
程序先使用C标准库中的qsort排序函数，按照权重，由大到小将原粒子集排序。然后将权重大的在新的粒子集中分配的多一点。
OpenCV学习——物体跟踪的粒子滤波算法实现之权重归一化
void normalize_weights( particle* particles, int n )
{
float sum = 0;
int i;
for( i = 0; i < n; i++ )
sum += particles[i].w;
for( i = 0; i < n; i++ )
particles[i].w /= sum;
}
❻ 什么是电子书..是什么功能..
不同于大多数电子书，e人e本T3的屏幕是全彩色的~能够减轻阅读者对于单色画面的视觉疲劳感。5种字体大小变化，既支持电子笔滑动翻阅，也支持手指翻阅，还原了真实的翻书体验。
❼ 电子书是什么
电子书又称e-book，是将书的内容制作成电子版后，以传统纸制书籍1/3至1/2的价格在网上出售。购买者用信用卡或电子货币付款后，即可下载使用专用浏览器在计算机上离线阅读。电子图书不同于现在网上的免费线上阅读，它是与纸制版同步推出的最新书籍，所以阅读它要支付一定的费用；与光盘图书不同，e-book是基于因特网购买。
❽ python中的随机数是怎么实现的
PYTHON中的伪随机数发生器用的是梅森旋转算法。
梅森旋转算法（Mersenne twister）是一个伪随机数发生算法。由松本真和西村拓士在1997年开发，基于有限二进制字段上的矩阵线性递归。可以快速产生高质量的伪随机数，修正了古典随机数发生算法的很多缺陷。
梅森旋转算法是R、Python、Ruby、IDL、Free Pascal、PHP、Maple、Matlab、GNU多重精度运算库和GSL的默认伪随机数产生器。从C++11开始，C++也可以使用这种算法。
整个算法主要分为三个阶段：获得基础的梅森旋转链；对于旋转链进行旋转算法；对于旋转算法所得的结果进行处理。
算法实现的过程中，参数的选取取决于梅森素数，故此得名。
梅森素数由梅森数而来。所谓梅森数，是指形如2↑p－1的一类数，其中指数p是素数，常记为Mp 。如果梅森数是素数，就称为梅森素数。
例如4-1=3，8-1=7，16-1=15（不是素数），32-1=31，64-1=63（不是素数）等等。