无向H-图的新判定准则

讨论了无向图G的等价有向图D(G)的构成,并利用布尔行列式det2(〖WTHX〗A〖WTBZ〗)和det2(〖WTHX〗A〖WTBZ〗)的性质,以及有向H-图的布尔行列式的判定方法和判定准则,给出了无向H-图的新特性和新判定准则.     

有向H图中的有向圈数

有向Ｈ图中的有向圈数施宇丹（计算机科学与工程系）人们时常要把一组对象按优劣排成次序．将所有对象看作一个有向图的顶点，如果对象ａ比对象ｂ好，就在相应的两个顶点之间画一条有向边（ａ指向ｂ）．于是当出现ａ比ｂ好．ｂ比ｃ好，ｃ又比ａ好时，就在排序中出现了一个...     

竞赛图中的有向哈密顿路

对于竞赛图中必有有向哈密顿路这一命题,在分析已有证明的基础上,给出了一种新的证明。     

H-矩阵的判定准则

本文论证了Hoffm an给出的复方阵是非奇异的三组充分条件判定准则也是复方阵为H-矩阵的充分条件.     

基于邻接矩阵图的连通性判定准则

利用图论和集合论的知识，对节点邻接矩阵进行深入分析，提出了有向图和无向图的连通性判定推则及图中任意两节点间不连通的判定准则：对路径及节点邻接矩阵的概念进行了更为严格的数学描述；确定了路径的极限长度。文中提出的图的连通性判定准则具有程序思想简单、逻辑性强、方便快捷的优点，对于图的连通性判定、连通块的划分等都具有指导意义。     

有向二部图中的独立有向6-圈

证明了若有向二部图D=(V1,V2:A)的最小度至少为5k,则D有k个顶点不交的独立有向6-圈.其中 |V1|=|V2|=3k, k为整数.     

基于边被收缩图的有向有环图有向割集求解算法

为了提高有向有环图有向割集生成算法的效率,通过收缩有向有环图环路中的边将有向有环图转换成带收缩顶点的有向无环图,并使得生成有向无环图有向割集的算法可以生成有向有环图的有向割集.在理论上分析了本文提出的算法的时间复杂度和空间复杂度,并进行了实验测试.理论分析和实验测试的结果表明本文提出的算法是很高效的.     

有向和图的若干结果

定义了有向(排斥)和图与图的有向(排斥)和数,给出有向(排斥)和图的结构性质.     

有向Hamilton图的一个充分条件

研究了有向Ｈａｍｉｌｔｏｎ图的一个特殊结构形式，从而给出了有向Ｈａｍｉｌｔｏｎ图的一个充分条件。     

有向超图的可平面性算法

随着有向超图理论在实际问题中的深入应用，其平面性研究也更加具有意义．本文回顾有向超图的一般理论，给出了有向超图结构图的概念，并在此基础上给出有向超图的可平面性算法．由于有向超图的结构图是简单有向图，故有向超图的可平面性算法建立在对一般图的可平面性判断上，该算法是多项式时间算法，是有效算法．     

Hamiltonian图的弧行列式条件

利用弧行列式得到有向图有有向2-因子的充分必要条件,同时得到n阶有向图为Hamiltonian图的充分必要条件.     

有向图的有向圈长分布

阶为v的有向图D的有向圈长分布是序列(c_1,c_2,…,c_v),其中C_i是D中长为i的有向圈的数目。设0≤x_i≤v-i-1,证明了存在v个顶点的有向图D,使D的有向圈长分布为(0,0,x_1,x_2,…,x_(v-3),1),并且给出了具有有向圈长分布为(0,0,x_1,x_2,…,x_(v-3),1)的有向图的最大可能的弧数以及具有有向圈长分布为(0,0,k,k,…,k,k-1,…,3,2,1)(其中1≤k≤v-2)的有向图的最小可能弧数的上界。     

图的传递指数

利用图论方法，给出了图的传递指数若干性质，并给出了传递指数的上界与下界。     

含有环的单双向间隔的双色有向圈的本原指数

一个双色有向图D(A,B)是本原的,如果存在非负整数h和k,且h+k＞0,使得D(A,B)中的母一对顶点(i,j)都存在从i到j的(h,k)途径,且称h+k的最小值为D(A,B)的本原指数.考虑一类特殊的双色有向图,它的未着色图有n个顶点,包含有一个n-圈,n-1/2个2-圈和n个环,给出了本原条件和指数上界.     

互补判断矩阵中新元素导入的保序条件

通过一反例说明文献[7]中的错误,并对互补判断矩阵在采用χ2排序方法时,导入新元素后的强保序条件、弱保序条件进行了研究.     

基于全局有向图的商品会话序列推荐算法

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况, 在一定程度上丢失整体商品访问趋势的问题, 提出一种新的基于全局有向图的商品会话序列推荐算法. 首先, 构建商品会话序列全局有向图, 图中节点为商品, 节点间的弧表示点击次序, 并用图数据库存储该有向图; 其次, 给出在有向图上的全局偏好传播策略, 同时考虑点击时间因素对推荐的重要影响; 最后, 获得待推荐商品的评分. 在Diginetica和Yoochoose标准数据集上, 该算法根据P@20标准, 比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%; 根据MRR@20标准, 则分别提升了15.04%和33.88%. 实验结果表明, 该全局有向图搜索和评分策略有效.