OSN下的客户领袖声音在线识别方法

在线社会性网络(OSN)下的客户领袖声音容易形成电子口碑或舆论,直接影响企业营销决策规划与实施.旨在发现OSN下的客户领袖声音,引导其成为正向效用的电子口碑或电子舆论,以支持企业营销决策.通过在线检测客户日志数据,将各个代理软件所侦听到的表征客户声音的多重属性数据进行融合,完整、准确地表述客户声音;再采用基于距离的多指标离散和综合的统计方法,自动锁定、跟踪检测和在线甄别其中的客户领袖声音.经过实际算例数据验证,证明该方法科学、合理、有效.     

高度正则图的强边色数

设f是图G的一个正常边着色，若对G中任意不同的两点u,v，着在与u关联的边上的色集和着在与v关联的边上的色集不同，则称f为强边着色。满足此条件的最小色数称为G的强边色数，记为X^-′（G）。本文确定了对n阶（n-2）-度正则图G，X^-′（G）=n，当n≥6时，对其补图为Hamilton圈的n阶（n-3)-正则图G，X^-′（G）=n-1，还给出了对任意的一条边e，X^-′（G-e)≤X^-′（G） 1的一个充分条件和X^-′（G-e）=X^-′（G） 2的必要条件。     

Sm∨Pn的邻点可区别全色数

设G的阶数不小于2的简单连通图.G的k-正常全染色称为是邻点可区别的,如果对G的任意相邻的两顶点,其点的颜色及关联边的颜色构成的集合不同.这样的k中最小者称为G的邻点可区别全色数.本文主要是给出了星图和路的联图的邻点可区别全色数,并提出了一猜想.     

完全二部图K_(6,n)(6≤n≤38)的点可区别E-全染色

考虑完全二部图K_(6,n)(6≤n≤38)的点可区别E-全染色.利用组合分析法、反证法及构造染色的方法,给出一类特殊完全二部图的点可区别E-全染色.结果表明:当6≤n≤10时,K_(6,n)的点可区别E-全色数为5;当11≤n≤38时,K_(6,n)的点可区别E-全色数为6.     

最大度至少为9的平面图的弱邻点可区别边色数(英文)

介绍了一种新的邻点可区别边染色:弱邻点可区别边染色。图G的弱邻点可区别边染色是G的一个正常边染色,使得任何一个相邻的最大度点有不同的颜色集合。对于图G的一个弱邻点可区别边染色所需要的最小颜色数,记作χ′a△(G)。该文证明了:若G是最大度至少为9的平面图,则χ′a△(G)≤△+2。     

点可区别边色数和点可区别全色数的两个上界

应用概率方法中的第一矩量原理和Markov不等式,证明了对于最大度为Δ的n阶图G,当Δ≥2时,其点可区别的边色数χv′d(G)≤nΔ(n-1),当n≥3,Δ≥1时,其点可区别的全色数χvt(G)≤2 nΔ(n-1).     

任楼煤矿地温特征及在水源判别中的应用

对矿井38个测温孔资料进行分析,确定本区恒温带埋深16 M,恒温带温度为15．5℃, 平均地温梯度为每100 M2．80℃。在此基础上分析了地温特征,建立了地温方程,并运用该方程计算突水含水层水温,与实际出水点水温进行比较,二者一致,对突水水源判别具有指示作用。     

利用植被近地面反射波谱季节特征对大针茅草原不同利用强度的植物群落的鉴别研究

测试并分析了大针茅草原不同退化程度（不退化，中（轻）度退化，重度退化）群落的近地面反射波谱的季节变化特征，方差分析与Ｄｕｃａｎ多重检验结果表明：由于不同退化程度群落的优势生活型植物及其数量特征的差异，它们的反射波谱特征彼此之间存在显著差异，在８月初和９月初，波谱特征的差异最为显著，而在５月底至６月底，差异不甚明显；利用两种统计方法－ＰＣＡ和模式识别技术对上述群落不同月份的波谱特征进行了鉴别，发现后者对不同退化群落的统计可分性高于ＰＣＡ，包含蓝光、绿光和近红外反射率的鉴别函数对不同退化程度的群落波谱特征识别精度最高，在８月初和９月初，鉴别效果最佳，鉴别错误概率在１％～７％之间，在５月底和６月底，对重度退化与非重度退化群落的错误概率也较小（约为４％），但对不退化与中（轻）度退化群落的错误概率可达１３％左右．     

超立方体的边可区别数

针对图(点)可区别数,提出了图的边可区别数,给出了n阶路Pn和n阶圈Cn的边可区别数;根据n维超立方体Hn及其p次幂Hpn的结构特性,对n维超立方体Hn和n维超立方体p(＞2)次幂Hpn的边可区别数进行了研究,得到了n维超立方体及其高次幂Hpn的边可区别数的一个上界.即,当n=2时,H2的边可区别数为3;当n≥3时,Hn的边可区别数为2;当n≥4,n≥p＞2时,Hpn的边可区别数小于等于3.     

完全二部图的点被多重集可区别的IE-全染色及一般全染色

利用反证法构造具体的染色方法, 讨论完全二部图的顶点被多重集可区别的IE-全染色及一般全染色, 给出最优染色方案, 并确定相应染色的色数.