可迹图的谱半径条件

本文研究的是简单图,它的邻接矩阵是表示顶点之间相邻关系的矩阵,它的最大特征值被定义为图的谱半径。如果图中有一条包含图中所有顶点的路,则称这条路为哈密尔顿路;如果一个图含有哈密顿路,则称该图是可迹图。设图具有最小度条件,本文主要利用图的补图的谱半径给出图是可迹图的充分条件。     

单圈图的最大拉普拉斯分离度

设G为一个简单图,记μ_1(G)和μ_2(G)分别为G的拉普拉斯最大特征值和次大特征值,G的拉普拉斯分离度定义为该图的拉普拉斯矩阵的最大特征值与次大特征值之差。本文研究了给定阶数的单圈图的最大拉普拉斯分离度,并刻画了相应的极图。     

日全食中最美丽的瞬间—贝利珠与钻石环

2009年7月22日日全食将是本世纪规模最大、全食持续时间最长的一次，因此，这一天将成为全球的焦点。日全食带在我国经过的地区是人口稠密的长江流域，再加上将从世界各地纷至沓来的专业天文工作者和爱好者，因此可以直接观看到这次日全食的人数有可能达到历史之最。在观测整个日全食过程中，     

可迹图的谱半径条件

本文研究的是简单图,它的邻接矩阵是表示顶点之间相邻关系的矩阵,它的最大特征值被定义为图的谱半径.如果图中有一条包含图中所有顶点的路,则称这条路为哈密尔顿路;如果一个图含有哈密顿路,则称该图是可迹图.设图具有最小度条件,本文主要研究了利用图的补图的谱半径给出图是可迹图的充分条件.     

给定最小度和边连通度的图的最大无符号拉普拉斯谱半径

利用无符号拉普拉斯谱半径与特征向量之间的关系式,研究有n个顶点、最小度为δ且边连通度k′<δ的这一类图中无符号拉普拉斯谱半径最大的图.假设G0是这一类图中无符号拉普拉斯谱半径最大的图,证明G0?Bkn,′δ,其中Bkn,′δ是从Kδ+1和Kn-δ-1之间加入k′条边获得的.     

融合卷积神经网络与Adaboost算法的病害松树识别

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉,提取病害松树、健康松树及黑影区域的颜色和纹理特征,依据提取的特征在剔除地物干扰项后的决策层使用Adaboost分类器进行目标识别.实验结果表明,该方法相较传统的K-means聚类、支持向量机、Adaboost算法、BP神经网络、VGG(visual geometry group)算法等在识别精确度方面有显著提高.