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。     

直积图邻点可区别 E-全染色的一些结论

运用分析法研究了直积图的邻点可区别 E-全染色,讨论了对于点色数至少为2以及邻点可区别 E-全色数为3,4的简单图的直积图的邻点可区别 E-全色数,并得出了一些相关推论。     

让情境图在数学教学中充分发挥有效性

情境教学,在新课程实施以来既成为一种潮流,又成为新课程区别于传统教学的重要方式。情境图成为课程标准数学教材编写的一大特色。笔者就在教学实践中,撷取几点,具体阐述有效使用情境图的操作要领,为数学教学中的情境图有效教学作出一些尝试。     

基于二元决策图的共因失效系统Birnbaum重要度计算

在传统Birnbaum重要度理论及其计算方法基础上,提出了针对系统受共因失效影响情况下的共因失效故障树扩展方法和共因失效决策建模方法.以提高共因失效系统Birnbaum重要度计算效率为目标,借助二元决策图,对二态共因失效系统重要度计算模型进行构建,给出了模型的相关算法,并以算法验证模型及算法的有效性.     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。     

雷64区块砂砾岩储层岩性识别方法研究

在取心、岩石物理实验的基础上,采用统计方法对雷64区的岩性进行研究,将其分为砂质细砾岩和不等粒砂岩两大类.利用直方图法优选出识别这两大类岩性的敏感测井曲线,并且依据优选出来的敏感测井曲线,建立了用于识别砂质细砾岩和不等粒砂岩的测井响应交会图法、决策树模型、系统聚类模型.通过对上述三种模型进行精度分析,发现决策树模型的精度要高于测井响应交会图法和系统聚类模型.同时利用所建立的两种决策树模型对雷71井进行岩性识别,将识别结果与实际取心对比,发现综合判断准确率均大于85%.结果表明,给出的决策树模型可很好地用于该地区砂砾岩储层的岩性识别.     

一种基于二部分图的推荐算法

在对基于二部分图网络结构的推荐算法NBI和基于Pearson系数的协同过滤推荐算法CF,以及当前广泛应用的完全排序算法GRM进行详细分析的基础上,针对这些算法的局限性,提出了一种基于二部分图的推荐算法.采用Movielens数据库对NBI、CF和GRM以及文中所提算法用2个不同的参数进行了比较.实验结果表明:除了当向每个用户推荐50个电影这一种情况外,文中给出算法的推荐准确率均高于其他3种推荐方法.     

图结构上下文及在图聚类中的应用

图结构特征的提取以及距离度量是计算机视觉和模式识别中的重要内容。针对传统的图上下文描述子中只考虑每个柱形区域内的特征点数目而忽略特征点之间的结构信息的问题,提出一种图的结构上下文描述子及距离度量方法。首先对图的所有顶点建立图结构上下文描述子;其次,利用二次卡方（QC）距离方法实现图的距离度量;最后,采用最小生成树聚类算法实现图聚类。实验表明,该方法对于一些非刚性变换的图聚类有较好的效果。     

基于图割和Sobel算子的视频分割算法

针对前景和背景交界处对比度较低的图像分割问题,提出了基于图割和Sobel算子的视频分割算法.首先建立包括颜色分量和对比度分量的能量函数;然后对当前帧和背景求梯度,使用背景的像素梯度来减弱当前帧中背景部分强边缘的梯度值,同时对由颜色模型建立的图像进行Sobel边缘检测,将得到的边缘检测的结果应用到颜色分量和对比度分量中来增加前景和背景对比度;最后,使用图割算法,对能量函数进行最小化求解最终得到分割结果.实验结果表明,当前景和背景交界处颜色相近时,本文分割算法能有效降低分割错误率.     

一类图(C)2n的优美性

给出了图(C)2n的定义,并对其优美标号进行研究,得到了当n=4k+1(k≥1)时,图(C)2n是优美图的结论.