路与轮联图的邻强边色数

对一个正常的边染色满足相邻点的色集不同的条件时，称为邻强边染色，其所用最少染色数称为邻强边色数。就路与轮的联图，得到了在m,n任意取值情况下的邻强边色数。     

一类广义Petersen图的邻强边染色

研究了一类广义Petersen图G(n,k)的邻强边染色,构造性地证明了:若n≡0(mod3),k≡/0(mod3),则χ_(as)~′(G(n,k))=4.其中χa′s(G(n,k))表示G(n,k)的邻强边色数.     

若干多重联图的边染色

设G1,G2,…,Gn是n个(n≥2)两两不相交的简单图,它们的n-重联图是在G1 G2 … Gn中,将Gi的每一顶点与Gj的每一顶点连接起来(i≠j,i,j=1,2,…,n)所得到的图,简记为K(G1,G2,…,Gn).若Gi≌G,i=1,2,…,n,则称K(G1,G2,…,Gn)为G的等n-重联图,简记为K(n,G).本文研究了若干多重联图的边染色.     

粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。     

基于多分辨率分级分块处理的边缘检测方法

为了有效提取运动目标的特征,在目标检测的基础上,要对其进行边缘检测.由于传统逐点扫描方法运算量大,提出一种基于多分辨率分级分块思想的边缘检测算法.该方法先把图像分为多个子块后根据其四个顶点判断该子块是否包含目标,再对目标子块进行扫描确定目标的边缘.实验结果表明,此方法准确地确定目标的边缘,同时检测速度比传统逐点扫描法有一定程度的提高.     

Wm∨Wn的邻强边色数

得到了Wm∨Wn的邻点可区别边色数，其中Wm与Wn分别表示m＋1阶和n＋1阶的轮，Wm∨Wn表示Wm和Wn的联图．     

图Pm∨Wn的点可区别边色数

对网G的正常边染色，若满足不同点的点所关联边色集合不同，则称此染色法为点可区别的边染色法，其所用最少染色数称为该罔的点可区别边色数．得到了路与轮的联网的点可区别边色数。     

四类圈树的连续边着色

设G是简单图，用颜色1，2，3，…对G进行正常边着色，若每一个顶点上表现的颜色都能构成一个连续的整数集合，则称这个边着色是连续的．图G的亏度def（G）等于粘在G上使它可连续边着色的悬挂边的最小数目．文章研究了四类圈树的亏度．     

对称函数的一个猜想不等式的加强

本文加强并证明了石焕南先生在文献 [1 ]中提出的一个不等式的猜想。     

正多边形的一个性质

给出了当 n阶完全图 Gn 的 n个结点恰为一正 n边形的顶点 ,且 Gn的边为具有长度的直线段时 ,Gn 的 n( n - 1) / 2条边的边长与该正 n边形的半径之间的关系 .