若干n重积图的点可区别边色数

通过研究若干n重积图的边色数及点可区别边色数,就可证明■(Gi)=△(Gi),i=1,2,L,n,则∑=′×××=■△(G_i)其中G1×G2×L×Gn为G1,G2,L,Gn的n重积图.     

若干积图的点可区别边染色

证明了:(1)两个n(n2)阶完全图的积图的点可区别边色数为2n. (2)对阶至少是3的完全图Kn,若χ′vd(G)=Δ(G),则χ′vd(G×Kn)=n+Δ(G).(3)若χ′vd(Gi)=Δ(Gi),i=1,2,则χ′vd(G1×G2)=Δ(G1)+Δ(G2).     

Wm(○)Wn和Wm○Wn的边色数

对m,n≥3,V(Wm(○)Wn)={ui|i=0,1,…,m}∪{vij|i=1,2,…,m;j=1,2,…,n};E(WmWn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{uivij|i=1,2,…,m;j=1,2,…,n}∪mi=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.V(Wm○Wn)={ui|i=0,1,…,m}∪{ Vij|i=1,2,…,m;j=1,2,…,n}∪{vi0|i=1,2,…,m};E(Wm○Wn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{vi0vij|i=1,2,…,m;j=1,2,…,n}∪mi=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.且对Wm○Wn有Ui=Vin,i=1,2,…,m.得到了Wm(○)Wn和Wm○Wn的边色数.     

W_mW_n和W_m○W_n的边色数

对m,n≥3,V(Wm Wn)={ui|i=0,1,…,m}∪{vij|i=1,2,…,m;j=1,2,…,n};E(Wm Wn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{uivij|i=1,2,…,m;j=1,2,…,n}m∪i=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.V(Wm○Wn)={ui|i=0,1,…,m}∪{Vij|i=1,2,…,m;j=1,2,…,n}∪{vi0|i=1,2,…,m};E(Wm○Wn)={u0ui|i=1,2,…,m}∪{u1u2,…,um-1um,umu1}∪{vi0vij|i=1,2,…,m;j=1,2,…,n}m∪i=1{vi1vi2,vi2vi3,…,vi(n-1)vin,vinvi1}.且对Wm○Wn有Ui=Vin,i=1,2,…,m.得到了Wm Wn和Wm○Wn的边色数。     

关于三类五点图的多重完全多部图设计

λKn(g)是一个λ重完全n部图,G为一个不带孤立点的简单图.一个(λKn(g),G)-设计是将λKn(g)划分成边互不相交的子图,使得每一个子图都和G同构.应用GDD、加权和闭包等构造方法讨论G为三类五点图Gi(i=1,2,3)时(λKn(g),G)-设计对于任意λ的存在性问题,得到如下结论:(λKn(g),Gi)-设计(i=1,2,3)存在的充分必要条件是λn(n-1)g2≡0(mod 10),n≥2,ng≥5,其中i=1,2时(n,g,λ)≠(5,1,1).     

图Fm△Kn的边色数和邻强边色数

V（Fm↓ΔKn)={ω}∪{ui|i=1,2…，m}∪{uij|i=1,2,…,mij=2,3,…n},E(Fm↓ΔKn)=(ωui)==1,2,…，m}∪{uivij|i=1,2，…，n}∪{uiui 1|i=1,2,…,m-1}∪{vijvik|i=1,2,…，m;j=2,3,…，n-1；k=j 1,j 2,…,n},对图G的一个正常的矗边染色法f,若↓Ae∈E(G),e=uv,{f(u w) uω∈E（G）}≠{v w)|vω∈E（G），则称，为G的一个k-邻强边染色法，k的最小值称为G的邻强边色数．从而得到了Fm↓ΔKn的边色数和邻强边色数。     

图Sm*Cn的邻点可区别的边色数

定义图Sm*Cn为V（Sm*Cn）={ω,uij}i=1,2,…,m;j=1,2,…，n},E(Sm*Cn)={wuil}i=1,2,…m}∪uijuij 1}i=1,2,…,m;j=1,2,…，n-1}∪}uinuil|i=1,2,…，m}，文章给出了Sm*Cn的邻点可区别的边色数。     

完全图上的锥的D(2)-点可区别正常边染色

设G是顶点集合为V(G)={v_(0i)|i=1,2,…,p}的简单图,n是正整数,称M_n(G)为G上的锥(或广义Mycielski图),如果V(M_n(G)={v_(01),v_(02),…,v_(0p);v_(11),v_(12),…,v_(1p);…v_(n1),v_(n2),…,v_(np),w}) E(M_n(G))=E(G)∪{v_(ij)v_((i 1)k)|v_(0j)v_(0k)∈E(G),1≤j,k≤p,i=0,1,…,n-1}∪{v_(nj)w|1≤j≤p}.在这篇文章里,我们讨论了完全图上的锥的$D(2)$-点可区别的正常边染色,并给出了相应色数.     

链状割点图的Hosoya多项式

任一连通图的Hosoya多项式的定义如下:H(G)≡H(G,x):=∑d(G,k)xk k≥0,其中d(G,k)是图G中距离为k的点对的个数。事实上,d(G,0)等于图G的点数,而d(G,k)等于图G的边数。设{Gi}ni=1是一个两两不交的图的集合,并且Vi,Vi∈V(Gi),所谓链图C(G1,G2,…,Gn)≡C(G1,G2,…Gn;v1,w1,v2,w2,…,vn,wn)指的是将各点对wi和vi+1粘合起来而得到的图,其中i=1,2,…,n-1。文章得到了链状割点图的Hosoya多项式,并且,作为引理,并给出了树的Hosoya多项式。     

某些笛卡尔乘积图的超边连通度

一个连通图称为超边连通的,如果去掉每一个最小边割集后产生一个孤立点。一个超边连通图的超边连通度λ′(G)是指那些去掉后不产生孤立点的边割集的最小基数。考虑笛卡尔乘积图并证明:若对于每一个i=1,2,…,n,Gi是ki(≥1)正则,ki连通图且满足某些给定的条件,则λ′(G1×G2×…×Gn)=2∑from i=1 to n(ki-2)。     

有限简单连通图的棱凝聚度上界的估计

本文证明了有限简单连通图的棱凝聚度的最小值上界之一为ｍｉｎ｛λ（Ｇ）－Ｋ（Ｇ）＋１，［λ（Ｇ）／２］｝，从而给出了图的棱凝聚度最小值上界的进一步估计     

关于图的超常边连通度和等周边连通度的等值性

图的超常边连通度和等周边连通度是图的通常边连通度概念的推广，首先举例说明在一般情形下两者可以不等，然后再论证明当正则边可迁图的阶不小于3k时，它的k阶超常边连通度与k阶等周边连通度相等。     

边界连接算法探测尿沉渣管形边界

图像的边缘信息是图像分割的重要基础．在图像噪音较小的情况下，经典边界算子可以得到较好的处理结果．但是在处理噪音较大的图像时，经典算子就难以满足要求了．在经典算子的基础上，结合边界跟踪和曲线拟合的理论，得到了能较好处理一般质量图像边界的算法．将该算法应用于模拟图像和实际尿沉渣图像管形边界的探测，比较准确地得到了对象的连续边界。     

一种改进边缘连接的Canny边缘检测算法

针对Canny边缘检测算法中需要手动设置固定阈值而出现边缘间断或伪边缘的问题,设计了一种基于边缘对比特征和边缘方向的边缘连接方法。该方法是基于视觉感知实验总结的一组边缘对比阈值数据比较强边缘点和待连接边缘点的对比特征判断其相似性,通过保持一定的边缘方向确保边缘连接方向的正确性,待连接点只有满足相似性且连接后新旧边缘方向一致,才能被连接为新边缘点。结果表明,改进边缘连接的Canny边缘检测算法具有很好的边缘连接能力,且能获取完整干净的边缘。     

正则图m-限制边连通度的存在性

图G的m-限制边割是删除它以后G不连通,且留下的每个分支的阶至少为m的边子集;m-限制边割的最小基数称为m-限制边连通度。设G是连通（k-2）-正则图,阶至少为2k（k≥5）。证明了G的k-限制边连通度存在当且仅当G不属于一种特殊图类G^＊ k-2.     

一类图中控制圈存在的充分条件

本文利用分离边和邻近边的概念分别得到不含Ｃ３及Ｃ４的图中控制圈存在的一个充分条件。     

一类图的列表强边染色

给出了列表强边染色的定义,证明了若G为d(x)+d(y)≤5,则强边选择数Sχ′l(G)≤6.     

河岸带的边缘结构特征与边缘效应

河岸带是一个典型的边缘区,根据河岸带纵向空间的镶嵌性、横向空间的过渡性、垂向空间的成层性以及时间分布的动态性等边缘结构特征,提出了河岸带边缘效应的概念.指出河岸带边缘效应是河岸带在结构、状态、行为和功能等方面具有明显的异质性和独特性,这种边缘效具有过渡性、动态变化涨落、易超承载运行等特点,并具体表现为地理边缘效应、生态边缘效应、缓冲边缘效应以及社会边缘效应等.     

关于K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数

给出了图K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数,其中Kn为n阶完全图。     

关于Kn-{vn-5vn-4,vn-3vn-2,vn-1vn}（n≥14,n≡0（mod2））的点可区别边色数

给出了图KKn-{vn-5vn-4,vn-3vn-2,vn-1vn}（n≥14,n≡0（mod2））的点可区别边色数,其中Kn为n阶完全图。