复杂网络的冯诺依曼熵

主要研究了复杂网络的冯诺依曼熵.结论表明,一般情况下,冯诺依曼熵不随边的增加而严格单调增加.其次,定义了星生成图和路生成图,并给出了熵与这两类图的联系.最后,利用3种经典随机图模型和随机树模型,证明了平均场意义下冯诺依曼熵随复杂网络的边数和直径递增.     

非齐次椭圆方程的一个极限形式

从传导问题中获得了一类非齐次椭圆方程Dirichlet问题的极限形式. 当2个理想导体之间的距离足够小时, 建立其最优的全局梯度估计, 从而给出了电场强度的爆破率.      

基于鲸鱼优化算法的类图重构研究

为了提高软件质量,组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能.本文提出一种基于鲸鱼优化算法的类图重构方法,并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优.在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构,研究结果表明:基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法,可有效提高重构质量.     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

简单图mC4的点可区别Ⅴ-全染色

根据简单图的点可区别Ⅴ-全染色的概念及其染色方法,讨论m个阶为4的圈的顶点不交并的点可区别Ⅴ-全染色,并给出全色数及其证明.为进一步探讨其他简单图的点可区别Ⅴ-全染色提供了理论证据,丰富了图的点可区别Ⅴ-全染色的结果.     

关于信息网络安全对企业的重要性

当今世界,科技的快速发展,计算机信息网络已经渗透到了生活的方方面面,小到人们日常生活的衣食住行,大到企业的现代化运行管理、国家经济的快速发展。信息网络作为科技发展的成果、生产力进步的体现广泛有效的应用于现代企业发展的流水线上,网络的安全直接关系到企业的生死存亡,进而影响国家经济的发展,社会的稳定,人民的安居乐业,其重要断然不可轻视。     

导数在不等式证明中的应用

本文主要阐述了应用函数的单调性及拉格朗日中值定理证明不等式。     

世界日益复杂 中国积极谋划

<正>几年前,一本名叫《世界是平的》的书风靡世界,作者弗里德曼认为世界是平的,全球化正在不断抹平世界的差异性,但他却忽视了世界日益趋平的同时也愈加复杂,更加令人困惑。如何认识复杂的世界成为国际关系研究面临的重大挑战。全球化、信息化、网络化所引发的国际政治的变化,使得现有的国际关系主流理论在日