给定一个顺序存储的线性表，请设计一个算法查找该线性表中最长的连续递增子序列。例如，(19,2,5,7,3,4,6,8,0)中最长的递增子序列为(3,4,6,8)。

可以使用动态规划算法来解决这个问题。

定义一个数组dp，其中dp[i]表示以第i个元素结尾的最长递增子序列的长度。初始状态下，dp数组中的每个元素都初始化为1，因为每个元素本身都可以形成一个长度为1的递增子序列。

然后，从第二个元素开始遍历整个线性表。对于每个元素i，遍历前面的所有元素j（j<i），如果第j个元素小于第i个元素，则可以将第i个元素加入到以第j个元素结尾的最长递增子序列中，并更新dp[i]的值为dp[j]+1。

最后，遍历整个dp数组，找到其中最大的值，即为最长递增子序列的长度。

以下是具体的实现代码：

def find_longest_increasing_subsequence(nums):
    n = len(nums)
    dp = [1] * n
    for i in range(1, n):
        for j in range(i):
            if nums[j] < nums[i]:
                dp[i] = max(dp[i], dp[j] + 1)
    max_len = max(dp)
    subsequence = []
    for i in range(n-1, -1, -1):
        if dp[i] == max_len:
            subsequence.append(nums[i])
            max_len -= 1
    return subsequence[::-1]

对于输入(19,2,5,7,3,4,6,8,0)，该算法输出[3, 4, 6, 8]，即最长的递增子序列。