分块初等变换在矩阵的秩中的应用

讨论了分块初等变换的相关的概念和性质.采用分块初等变换的方法,对有关矩阵的秩的和的等式的问题进行了研究.研究中把推理过程计算化,使得这类问题的解决过程整齐划一,简单明了.     

一类图(C)2n的优美性

给出了图(C)2n的定义,并对其优美标号进行研究,得到了当n=4k+1(k≥1)时,图(C)2n是优美图的结论.     

两类粘合图的 Wiener与 Harary指数

连通图G的Wiener指数是指图G中所有点对的距离之和,Harary指数是指图G中所有点对的距离的倒数之和。本文主要研究了单圈图与双圈图的粘合图以及双圈图与双圈图的粘合图的Wiener指数的下界和Harary指数的上界的问题,并刻画了对应的极值图。     

支配数为1的图的最小特征值

本文中主要刻画了给定阶数且支配数为1的图类中最小特征值达到极小的图的结构。     

基于图的邻接分割的虚拟网络映射算法

针对大规模虚拟网络映射算法映射效率低、在映射节点和链路时易引起网络分割等问题,提出了一种图的邻接分割方法,将虚拟网络分割为多个邻接的星型结构,以简化虚拟网络映射规模;建立了一种节点和链路的资源匹配模型,使节点映射能适应链路资源分布状态、链路映射能匹配节点可用资源大小,从而协调完成节点和链路映射操作,解决节点、链路的映射协调性差以及网络资源分配不匹配等问题.仿真实验结果表明,所提出的算法降低了虚拟链路的映射路径长度,提高了虚拟网络映射效率和负载均衡性能,获得了较高的虚拟网络请求接受率.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于用户反馈的时序二部图推荐方法

推荐系统以用户购买行为相似性为基础,而用户购买不仅包括是与否的选择信息,还有其购买时间和购买后对产品的评价信息作为反馈结果.满意商品能正确反映用户兴趣偏好,而很久以前购买和负面评价的商品,则将误导用户兴趣的分析.因此,在传统二部图推荐的基础上加入用户评价和时间衰减因素,提出一种基于用户反馈的时序推荐方法,经过多个数据集上的实验证明,提出方法在不同推荐列表长度的命中率指标上均有较大幅度的提升.     

关于H-联图的拉普拉斯特征值

H-联图是在不交图G1,G2,…,Gk的基础上,对于H中的任意两点i,j,若ij∈E(H),则将Gi的每一点与Gj的每一点相连所得到的图,其中,H的顶点集为{1,2,…,k}.特别地,{G1,G2}的P2-联图就是普通联图G1∨G2.本文研究了H-联图的拉普拉斯特征多项式,给出了H-联图的拉普拉斯谱与图G1,G2,…,Gk以及基图H的拉普拉斯谱之间的关系.进一步研究了基图分别为完全图、完全二部图时的H-联图,给出了Kk-联图和Ks,t-联图的拉普拉斯谱以及相应的特征多项式.另外,证明了当基图H是完全图、完全二部图或阶数小于等于4的图(除P4外)时,L-整图{G1,G2,…,Gk}的H-联图也是L-整的.     

基于响应点计算的悬架效率分析

悬架效率指悬架功率与发动机功率的比值。响应点是车辆在不平路面行驶,由于速度过高,发生脱离路面的抛物线运动后,再落到路面瞬间对应的位置。通过受力分析、运动学分析与坡度分析的结合,计算出响应点。由于利用传统受力分析和动能定理计算发动机在单轮上消耗功率的复杂程度高,进而提出功率键合图方法。利用功率键合图理论得到悬架的键合图模型,并据其求得单轮悬架功率和悬架效率的分析公式,提出了利用悬架效率值评定悬架耗能情况的方法。     

直积图邻点可区别 E-全染色的一些结论

运用分析法研究了直积图的邻点可区别 E-全染色,讨论了对于点色数至少为2以及邻点可区别 E-全色数为3,4的简单图的直积图的邻点可区别 E-全色数,并得出了一些相关推论。