四色定理证明的探讨

目前四色定理的证明还没有简短的数学推理方法,必须借助于计算机才能够完成.在没有借助计算机的情况下,基于极大平面图的性质,通过结点合并的方式,研究了四色定理的证明方法,为该定理的进一步证明提供了重要参考.     

基于区间数的制造过程资源环境属性评价

针对制造过程资源环境属性的复杂性和多样性,考虑环境不确定性和测量误差等因素的影响,提出一种基于区间数的资源环境属性评价方法.利用该方法对dCi11发动机关键零部件制造过程资源环境属性进行评价,并对发动机关键零部件制造过程的绿色性进行排序,从而验证了该方法的可行性和实用性.     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。     

符号图的一些谱关系

符号图∑=（丨∑丨,δ）由无符号图丨∑丨=（V,E）和一个映射组成,其中V和E分别为顶点集和边集,丨∑丨是它的基础图,δ：E→{＋1,-1}是符号函数．文章给出了一些符号图的谱关系,并得到了符号图的特征值的一些边界．     

基于图理论学习模型的胃窥镜图像自动标注

为了解决目前医学图像检索领域不能有效缓解“语义鸿沟”的问题,提出基于图理论学习模型的图像自动标注方法.首先讨论了医学图像的标注问题,总结了现有关医学图像标注的研究工作.以胃窥镜图像为具体研究对象,针对图学习模型中的图像-标注词间的关系提取以及图像相似度计算进行了详细分析,并有效地融合进医生的诊断信息作为图像的高级语义特征,更有效地计算出图像间相似度.最后,在Toy data数据集和临床胃窥镜图像集上进行了一系列的实验,结果表明本文方法优越于传统图像标注方法.     

论证券自律规则的法律属性

证券自律规则法律属性的判断取决于证券自律管理权系公权力抑或私权利的认识。证券监管部门的审批不会使得自律规则成为规章,但经证券监管部门审批的规则具有了准行政规范性文件的属性,应经证券监管部门审批而未审批的证券自律规则不具有法律效力。无需审批的证券自律规则具有民事规则的属性,但实践中哪些自律规则需经审批还需进一步界定。     

基于标准编码的有向标记频繁子图挖掘算法

针对大部分频繁子图挖掘算法,基于无向图而不适用于更具有实际意义的有向图的挖掘的现状,通过对无向图挖掘算法gSpan中编码结构的扩展,采用改进的规范形式,使编码适用于有向图领域。并使用针对有向图的DADI++存储结构来存储图集,简化了数据访问操作的代价。另外在挖掘中使用Hash表存储同构图的Hash地址和支持度,避免对图集的重复扫描和直接的同构测试。在实际数据集上运行的实验结果表明提出的Dspan算法是正确的,并比FFSM算法效率更高。     

硼氮富勒烯图的反强迫数

设G是一个有完美匹配的图。若G的边集S满足G-S有唯一完美匹配,则称S为反强迫集。包含边数最少的反强迫集叫做极小反强迫集,其中边的数目叫做图G的反强迫数。本文主要解决硼氮富勒烯图(恰好有六个四边形面,其它面都是六边形,3-连通的平面二部图)的反强迫数。我们得到一类管状,环边连通度为3的硼氮富勒烯图的反强迫数,然后得到任何硼氮富勒烯图的反强迫数至少为3,进而构造出所有反强迫数为3的硼氮富勒烯图,共有两个。     

一种快速的动态属性约简矩阵算法

针对实际决策表中对象动态变化的情况,首先引入简化决策表概念,剔除决策表中大量重复的对象,并构造了基于正区域的简化矩阵,有效地缩小了算法的搜索空间;然后从理论上阐述了基于简化矩阵的属性约简和基于矩阵的属性约简的一致性,并仅需扫描一遍简化矩阵便可求解出属性约简;最后在原属性约简的基础上,提出一种快速的动态属性约简矩阵算法.通过算例分析和实验对比验证了算法的有效性和可行性.     

基于量子云模型演化的最小属性约简增强算法

为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.