一种改进的基于节点相异度的社团结构划分算法

提出一种改进的基于节点相异度的社团结构划分算法.首先根据度和平均度评估标准,筛选出核心节点作为初始核心节点集,然后基于节点相异度进行划分,直至社团结构划分完成.实验结果证明,与其他一些算法相比,该算法的划分效果比较精确且易于实现.     

构件及中间件技术的研究

全面阐述了软件构件化技术的核心问题、中间件技术及涉及的关键技术B/S,并给出了某电力查询子系统的实现实例. 还介绍了数据库中间件在三层体系结构中的应用,论述了构件和中间件研究的意义.     

一类由邻接谱确定的奇双圈图

如果与图G同邻接谱的图都与G同构,则称图G由它的邻接谱确定.研究将一个圈图分别连接在路图的两个悬挂点上得到的双圈图的谱确定问题.证明这类奇双圈图由邻接谱确定.     

基于填充曲线的抖动模式研究

1 边界赝象在彩色打印方面，抖动能使有限的3种或4种彩色墨水表现出更多的颜色，而抖动算法的好坏直接关系到图象打印质量的优劣。模式抖动有Jarvis 的递归生成方式和评价函数驱动方式，但这两种方式均没有消除模式抖动由于点的规则排列导致的人工痕迹现象和图象模糊，即边界赝象（artifact）。可以选择Hibert曲线作填充曲线，在一定程度上消除边界赝象。2 Hibert曲线 Hibert曲线是根据其发明者D. Hibert(1891)命名的。下面的图1，图2，图3分别为一次、二次、三次Hibert 曲线。 图1 图2 图3 通过对此曲线的观察，可以发现这曲线遵循着一…     

基于度与H指数扩展的复杂网络节点排序方法

在复杂网络中常用的识别节点影响力的中心性指标有介数中心性、度中心性、紧密中心性、H指数中心性和K-shell中心性等,这些指标在识别有影响力的节点时存在一定的局限性.本文在H指数中心性与度中心性的基础上提出了局部DH指数中心性指标来识别网络中有影响力的节点,该指标考虑了节点自身的度与H指数以及邻居节点的H指数.通过SIR传播模型以及单调函数(M)两种方法评价了各中心性方法识别网络中节点影响力的有效性.实验结果分析表明,在一些网络中该指标较一些常用的中心性方法能够更有效地识别网络中节点的影响力.     

似双星树Hn(p,2)由它的Laplacian谱确定

恰有一个顶点度大于2的树称为似星树,定义恰有两个顶点度大于2的树为似双星树.通过分析顶点的度序列,结合其线图的性质,证明似双星树Hn(p,2)由它的Laplacian谱确定.     

基于邻介熵和邻度熵的复杂网络中心性算法

识别复杂网络的重要节点是复杂网络研究的关键点,也是网络稳定性判定的重要理论基础.常用的识别节点影响力的中心性指标有介数中心性、度中心性、特征向量中心性和K-core 中心性等,这些指标在识别重要节点时存在一定的局限性.为了解决以上问题,将节点v_i的邻居节点集划分成关联邻居节点集(MR)和非关联邻居节点集(M_UR),结合图的信息熵以及节点的介数中心性和度中心性,提出新的中心性指标,即基于邻介熵(NBE)和邻度熵(NDE)的关联邻居中心性RNC 和非关联邻居中心性URNC.实验通过动态攻击来评估新的中心性指标在一个实验网络模型和五个真实网络上的效率,结果表明,新的中心性比传统的中心性具有更高的识别重要节点的效率.     

剖分图的联图的距离矩阵相关谱

利用正则图的关联矩阵与其邻接矩阵及其线图的邻接矩阵间的关系,证明了两个正则图的剖分边边联图、剖分点点联图和剖分点边联图的距离谱、距离拉普拉斯谱和距离无符号拉普拉斯谱可表示为原图的邻接谱.     

图的路(无符号)拉普拉斯谱半径及其能量

图G的顶点集V(G)={v₁,v₂,…,v_n},其路矩阵记为P(G)=(p_ij)_n×n,p_ij表示图中v_i,v_j之间内部顶点不相交路径的最大数目。定义路拉普拉斯矩阵和路无符号拉普拉斯矩阵并得到了其谱半径和能量的界。