关于3-连通图的一个猜测的反例

1978年,Dirac 给出了从2-连通图 G 中的最长路判断 G 的周长下界的一个定理.在1983年的西安图论讲习班上,朱永津提出了一个与 Difac 定理形式相似但条件较强结论也较强的猜测.通过发现一个反例,本文得到了这一猜测的否定解答。     

班主任工作中的数据库管理

本文从系统分析、数据流图、系统功能、系统结构及实现情况五个方面介绍了一个班级学生信息管理系统。     

基于原模图LDPC码的联合信源信道译码器的硬件实现

采用FPGA(field programmable gate array)设计基于原模图低密度奇偶校验(low density parity check,LDPC)码的联合信源信道译码器,信道部分和信源部分都是由原模图LDPC码组成.在原模图LDPC码联合译码器的硬件实现架构中,通过2步循环扩展得到了适合硬件实现的准循环原模图LDPC码,译码器信息的迭代更新采用TDMP (Turbo decoding message passing)分层译码算法,采用的归一化最小和算法使得P-JSCD(photograph-based joint source and channel decoding)具有部分并行结构.最后,为了降低资源消耗和译码延迟,采用了提前终止迭代策略.基于FPGA平台的硬件实现结果表明,该联合译码器的译码性能非常接近相应的浮点算法,并且最大时钟频率达到193.834 MHz,吞吐量为24.44 Mbit/s.     

思维导图在高校教学中的应用研究:过程与模式

该文从思维导图理论入手,探讨如何指导学生从"快速学习"和"清晰思考"两个核心概念出发,快速吸收、了解以及牢记新知,提高自我学习的能力。思维导图制作过程的具体步骤包括将主题放在中央位置、使用关键字、向外扩张、使用符号、颜色、文字、图画和其他形象、留出空间和多彩多姿等,同时在具体教学过程中还有不同的制作要点。该文还探讨总结了思维导图在高校教学中的应用模式,如MASTER模式、分析模式、知识管理模式、系统模式和反思模式。     

粗大柱状晶纯镍热变形流变应力行为及加工图

采用Gleeble-3500热模拟机,在变形温度为950~1 150℃、应变速率为0.001~10s-1的条件下,研究了粗大柱状晶粒纯镍的热变形行为和加工图.结果表明:热压缩过程中流变应力随应变速率增大而增大,随变形温度降低而增大.流变应力与应变速率、变形温度之间的关系用Zener-Hollomon参数来描述,热变形激活能为312.4kJ/mol.基于动态材料模型(DMM)热加工图及结合合金相显微组织分析,得到纯镍较优的热加工参数:变形温度为1 060~1 120℃,应变速率为0.03~0.20s-1的蛋形区域.     

若干Mycielski图的邻点可区别V-全染色简

研究了路、圈、扇、轮的Mycielski图的邻点可区别的V-全染色.根据Mycielski图的构造特征,利用构造函数法,构造了一个从点边集V(G)∪E(G)到色集合{1,2,…,k}的函数,给出了一种染色方案,得到了路、圈、扇、轮的Mycielski图的邻点可区别的V-全色数.?更多还原     

两类包含子图K_(1,m,n)和W_n的优美图

用构造的方法给出K1,m,n+Emn+1和Wn+En+1的优美标号,从而证明了K1,m,n+Emn+1和Wn+En+1都是优美图.     

基于图的邻接分割的虚拟网络映射算法

针对大规模虚拟网络映射算法映射效率低、在映射节点和链路时易引起网络分割等问题,提出了一种图的邻接分割方法,将虚拟网络分割为多个邻接的星型结构,以简化虚拟网络映射规模;建立了一种节点和链路的资源匹配模型,使节点映射能适应链路资源分布状态、链路映射能匹配节点可用资源大小,从而协调完成节点和链路映射操作,解决节点、链路的映射协调性差以及网络资源分配不匹配等问题.仿真实验结果表明,所提出的算法降低了虚拟链路的映射路径长度,提高了虚拟网络映射效率和负载均衡性能,获得了较高的虚拟网络请求接受率.     

基于真实数据集的动态网络时间中心性分析

针对动态网络中时间中心性的适用性问题进行实证性研究.对动态网络建模方法进行了描述,在分析时间可达图构建方法的基础上,定义了与传统的度值、接近数、介数等中心性相对应的时间中心性度量.进而基于公开发布的第三方数据集以及来自本校校园网的用户在线数据,对时间中心性和静态中心性之间的相关性进行了实证性研究和分析.实验结果表明:在合适的时间跨度下,时间度中心性和静态度中心性具有较高且稳定的相关度,而接近数和介数在不同的度量方法下不存在显著的相关性.     

若干图的倍图的邻点可区别边(全)染色

设G是具有顶点集V(G)和边集E(G)的简单图。如果G的一正常边染色σ满足对任意uv∈E(G),有Cσ(u)≠Cσ(v),其中Cσ(u)为点u的关联边所染颜色构成的集合,则称σ为G的邻点可区别边染色。如果G的一正常全染色σ满足对任意uv∈E(G),有Sσ(u)≠Sσ(v),其中Sσ(u)表示点u及u的关联边所染颜色构成的集合,则称σ为G的邻点可区别全染色。图G的邻点可区别边(或全)染色所需的最少的颜色数,称为G的邻点可区别边(或全)色数,并记为χ’as(G)(或χat(G))。给出了图G的倍图D(G)的以上两个参数的上界,并对完全图与树,确定了它们的倍图的邻点可区别边色数与全色数的精确值。