关于图运算的测地数

对于图G(或有向图D)内的任意两点u和v,u-v测地线是指在u和v之间(或从u到v)的最短路.I(u;v)表示位于u-v测地线上所有点的集合,对于SV(G)(或V(D)),I(S)表示所有I(u,v)的并,这里u,v∈S.G(或D)的测地数g(G)(或g(D))是使I(S)=V(G)(或I(S)=V(D))的点集S的最小基数.G的下测地数g-(G)=min狖g(D):D是G的定向图狚,G的上测地数g+(G)=max狖g(D):D是G的定向图狚.对于两个图G和H,u∈V(G)和v∈V(H),在u和v之间加一条边,然后再收缩这条边uv所得的图,记为GuHv.本文主要研究图GuHv的测地数和上(下)测地数.     

几类图的pebbling数

图G的pebbling数 f （G ）是最小的整数n ,使得不论n个pebbles如何放置在图G的顶点上,总可以通过一系列的pebbling移动把一个pebble移到任意一个顶点上,其中一个pebbling移动是从一个顶点处移走两个pebbles,而把其中的一个移到与其相邻的一个顶点上。文章给出图Fn？Pk、Wn？Pk和双轮图Wm？Pk-1？Wn的peb？bling数。     

扇图与轮图的边平均Wiener指标及其算法

文章证明了扇图Fn和轮图Wn的边平均Wiener指标,并给出扇图中任意两边之间的平均距离的算法程序.     

扇图的笛卡儿积的测地数(英文)

对于图G内的任意两点u和v,u-v测地线是指u和v之间的最短路.I(u,v)表示位于u-v测地线上所有点的集合,对于V(G)S,I(S)表示所有I(u,v)的并,这里u,v∈S.G的测地数g(G)是使I(S)=V(G)的点集S的最小基数.文章研究了Pm×Fn和Cm×Fn的测地数,这里Pm表示m阶路,Cm表示m阶圈,Fn表示n阶扇图。     

路和圈的最优一般Pebbling数

图G的一个一般pebbling移动是从一个顶点移走p(p≥2)个pebble,而把其中的一个移到与其相邻的一个顶点上.图G的一般pebbling数fgl(G)是最小的正整数n,使得不管n个pebble如何放置在G的顶点上,总可以通过一系列一般pebbling移动把一个pebble移到图G的任意一个顶点上.图G的一个分布是可解的,当通过一系列一般pebbling移动,能把一个pebble移到其任意一个顶点上.图G的最优一般pebbling数fgl’(G)是可解分布中最小的,即利用fgl’(G)个pebble以构造一个可解分布,且这时需要的pebble个数最少.本文采用反证法,通过去掉一个顶点,改变路(或圈)为其子图,并选择一个可解分布.而这时所用的pebble数要比其最优一般pebbling数小,得到矛盾,这样就证明了路和圈的最优一般pebbling数.     

基于混合分布模型数据挖掘的研究进展

基于混合分布模型的数据挖掘和知识发现是近几年发展起来的方法，本从其原理出发，介绍了该模型的发展及其在数据挖掘中的实现方法，并对未来的研究方向进行了展望，给出了若干值得研究的问题。     

条件数学期望的几何定义

本文给出条件数学期望的几何定义，证明了该定义与其它定义的一致性。     

路和圈的联的Wiener指数

G=(V,E)是一个简单连通图,其中V和E分别为G的顶点集和边集.一个图G的Wiener指数W(G)是指图G中所有顶点对之间的距离之和,即W(G)=∑{u,v}■G dG(u,v).文章给出了Pn∨Pm和Pn∨Cm的Wiener指数.     

路的中间图的最优pebbling数

图G上的一个pebbling移动是从一个顶点移走两个pebble,把其中的一个pebble移到与其相邻的一个顶点上．图G的最优pebbling数fopf（G）是最小的正整数,使得把n个pebble恰当地放置在G的顶点上,总可以通过一系列pebbling移动把一个pebble移到任何一个指定的顶点上．本文给出了路的中间图M（Pa）的最优pebbling数．     

线性代数中的行列式教学探讨

行列式是线性代数中的重要教学内容,在线性代数后续课程和工程技术中都有着广泛的应用.本文结合教学实践,阐述行列式教学现状,总结行列式教学方法,以期进一步提高行列式的教学质量.