图数据库发展综述

随着数据关联关系的发现、管理和应用的深入, 图数据库快速发展. 归纳总结了图数据库概念、图模型、组成架构图和数据库的特点; 详细阐述了图数据库的关键技术; 分析比较了当前主流图数据库产品, 归纳了当前图数据库主要应用场景; 最后提出图数据库未来发展的趋势.     

特殊图的图修正问题研究综述

图修正问题是指在一个图中进行删除点、删除边或加边操作,使这个图转变成另一个具有某种特殊性质的图。图修正问题一直被广泛研究,尤其对弦图、区间图以及单位区间图的图修正问题的研究更是如此。弦图是完美图中最重要的一类图,也是(单位)区间图的父类图,很多经典的NP难问题在弦图上都是多项式可解的。区间图以及单位区间图在生物计算上有着广泛的应用。对这几类图的图修正问题的研究对计算机理论和实践有很大的贡献。首先介绍并总结了关于弦图、区间图以及单位区间图的图修正问题的重要算法和技术,然后对这些问题的研究现状进行分析,并提出了今后研究中值得关注的问题。     

关于互连网络的几个猜想

n-立方体是著名的互连网络,星图、煎饼图和冒泡排序图是由凯莱图模型设计出来的重要的互连网络。对换树(transposition tree)的凯莱图是一类特殊的凯莱图,星图和冒泡排序图分别是对换树为星和路的凯莱图。给出了关于n-立方体、星图、煎饼图、冒泡排序图和对换树的凯莱图的各一个猜想;提出了对换图的凯莱图的概念,进而由这一概念设计出了两个互连网络——圈图和轮图,并证明冒泡排序图和星图分别可嵌入圈图和轮图。     

基于社交网络的图数据挖掘应用研究

社交网络数据的高度复杂性给数据挖掘研究带来了巨大的挑战,而社交网络数据挖掘更注重实体之间相互关联的特点,使得图数据挖掘技术的研究与应用逐渐成为该领域的热点。传统数据挖掘,如聚类、分类、频繁模式挖掘等技术逐渐拓展到图数据挖掘领域。文中首先介绍了现阶段图数据挖掘算法（其中包括图查询、图聚类、图分类和图的频繁子图挖掘）的研究内容和存在的问题;其次介绍了图形数据库研究现状,以及对比了主流图形数据库管理系统的优劣;最后介绍了图挖掘技术在社交网络中的应用。     

一个大规模股市图交互式可视化分析系统

随着物联网、移动互联网、云计算以及各种数据自动采集技术的迅猛发展,许多领域迅速积累了大量具有图结构的可用数据。其中一个重要的图应用是股市图。如何分析股市图达到合理充分的投资决策支持一直是一个重要的课题。其中极大团(Maximal Clique)分析是分析股市图的一个重要方法。股市图的规模庞大,传统的极大团枚举算法仅仅罗列图中所有的极大团。但一个图中可以有指数级数量的极大团,而一支股票对应的点可以参与到任意多的极大团中。因此,传统的极大团枚举算法不能直接有效支持股市图分析。本文提出一个支持快速选择、自动分组及导航浏览三种股市图交互式可视化操作的大规模股市图分析系统。根据用户感兴趣的股市图节点,这三种股市图交互式可视化操作从股市图中快速枚举出与这些特定股票相关的极大团、查看这些特定股票之间的组合关系以及显示与这些特定股票相关的其他股票,是有效支持股市图分析的必要手段。同时基于对某些特定顶点或边相关的极大团枚举的需求,本文提出了从图中枚举出与特定顶点或边相关的极大团算法。我们使用真实数据验证了本文提出的算法的优越性。     

图的最大公共连通子图问题研究

图像识别、恶意代码族群特征提取、人工智能中许多应用问题都可以规约为一类图的最大公共连通子图问题。提出了求解简单最大连通子图问题的矩阵方法,定义了图特征相关度和图度序列相关系数的概念,最后结合算例给出了一种求解一般最大公共连通子图问题的贪婪算法,能够快速有效地找到一个尽可能大的公共连通子图。     

GC-BES:一种新的基于嵌入集的图分类方法

已提出很多图分类方法。这些方法在挖掘频繁子图时,只考虑了子图的结构信息,没有考虑子图的嵌入信息。实际上,有些频繁子图挖掘算法在计算子图的支持度时,可以获得嵌入信息。在L-CCAM子图编码的基础上,提出了一种基于嵌入集的图分类方法。该方法采用基于类别信息的特征子图选择策略,充分利用嵌入集,在频繁子图挖掘过程中直接选择特征子图。通过实验表明,该方法是有效的、可行的。     

图神经网络在复杂图挖掘上的研究进展

图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图神经网络完成了向复杂图结构的迁移,诞生了一系列基于复杂图的图神经网络模型.然而,现有综述文章缺乏对复杂图神经网络全面、系统的归纳和总结工作.本文将复杂图分为异质图、动态图和超图三种类型.将异质图神经网络按照信息聚合方式划分为关系类型感知和元路径感知两大类,在此基础上分别介绍普通异质图和知识图谱.将动态图神经网络按照处理时序信息的方式划分成基于循环神经网络、基于自编码器以及时空图神经网络三大类.将超图神经网络按照是否将超图展开成成对图划分为展开型和非展开型两大类,进一步按照展开方式将展开型划分成星形展开、团式展开和线形展开三种类型.本文详细阐述了每种算法的核心思想,比较了不同算法间的优缺点,系统列举了各类复杂图神经网络的关键算法、（交叉）应用领域和常用数据集,并对未来可能的研究方向进行了展望.     

多视图对比增强的异质图结构学习方法

异质图神经网络作为一种异质图表示学习的方法,可以有效地抽取异质图中的复杂结构与语义信息,在节点分类和连接预测任务上取得了优异的表现,为知识图谱的表示与分析提供了有力的支撑.现有的异质图由于存在一定的噪声交互或缺失部分交互,导致异质图神经网络在节点聚合、更新时融入错误的邻域特征信息,从而影响模型的整体性能.为解决该问题,提出了多视图对比增强的异质图结构学习模型.该模型首先利用元路径保持异质图中的语义信息,并通过计算每条元路径下节点之间特征相似度生成相似度图,将其与元路径图融合,实现对图结构的优化.通过将相似度图与元路径图作为不同视图进行多视图对比,实现无监督信息的情况下优化图结构,摆脱对监督信号的依赖.最后,为解决神经网络模型在训练初期学习能力不足、生成的图结构中往往存在错误交互的问题,设计了一个渐进式的图结构融合方法.通过将元路径图和相似度图递增地加权相加,改变图结构融合过程中相似度图所占的比例,在抑制了因模型学习能力弱引入过多的错误交互的同时,达到了用相似度图中的交互抑制原有干扰交互或补全缺失交互的目的,实现了对异质图结构的优化.选择节点分类与节点聚类作为图结构学习的验证任务,在4种...     

偶图及其应用研究综述

偶图是由Robin Milner在2001年提出的一种基于图形的形式化理论模型,试图为普适计算提供一个设计、模拟和分析的平台以及为现有的进程代数提供一个统一的可扩展的框架.介绍了偶图的基本概念,揭示了偶图的数学基础——预范畴、范畴、s-范畴、对称偏幺半范畴之间的关系,对偶图的代数系统进行总结,简化了偶图的离散范式的表述形式,并给予证明.综述了偶图的发展及其应用概况.对偶图范畴的定义、商变换等基本理论中存在的一些问题提出讨论,指出偶图范畴应该属于小范畴而不是大范畴,并给出商变换得出的大范畴转换为小范畴的方法.最后简述了偶图模型的扩展、应用的拓广.     

一个新超混沌系统及其线性反馈控制

为提高混沌吸引子的拓扑结构的复杂性,构造了一个新的四维超混沌系统.用数值模拟的方法研究了该系统的超混沌吸引子的相图、系统的分岔图、Lyapunov指数谱图和Lyapunov维数等.分析结果表明,新的四维系统当参数满足一定条件时,具有两个正的Lyapunov指数,是一个超混沌系统,系统的分岔图与Lyapunov指数谱是完全吻合的,随着参数变化呈现周期、混沌及超混沌动力学行为.利用线性反馈控制法镇定了超混沌系统的不稳定平衡点,数值模拟结果表明该方法的可行性和有效性.     

面向控制系统方框图的仿真软件包

介绍了控制系统方框图形式化描述和根据方框图对系统进行仿真的原理和算法。面向控制系统方框图的仿真软件包SYSTBM BUILDER集成了丰富的系统开发工具,能有效地辅助设计人员进行控制系统的设计、仿真、优化和编程,可对线性系统和非线性系统进行计算机数字仿真。     

湖南农业百项技术服务系统的UML模型及实现技术

采用图形化的系统建模语言UML,对系统进行了用例分析,明确了系统需求与功能划分,并用活动图对各功能下的系统运行流程和并发行为进行了分析,用类图描述了完成某功能所需的类及其间的关系,用包图描述了类的组织结构,用顺序图完成了实现某功能所需的类实例间的时序。     

一阶时滞系统线性自抗扰控制器参数稳定域分析

当使用线性自抗扰控制器(linear active disturbance rejection controller,LADRC)控制时滞系统时,闭环系统的稳定性与控制器参数的选取有较大的关系.如何定量求取线性自抗扰针对时滞系统的参数稳定域还没有有效的方法.本文针对线性自抗扰控制器控制一阶时滞系统,利用双轨迹法精确求解出了线性自抗扰控制器参数的稳定域.该方法利用双轨迹的图形性质,有效地将求解具有时滞的控制系统闭环特征方程根的分布问题转化为求解双轨迹交点频率的问题,从而得到能够保证闭环系统稳定性的控制器参数稳定域.求得的稳定域为时滞系统线性自抗扰控制器的整定提供了理论依据.仿真结果验证了所提出方法的有效性.     

企业产品质量管理系统

为解决企业产品质量管理工作中存在的问题,更高效、便捷的执行产品质量管理制度,介绍了一套企业产品质量管理的信息化实施方案。采用面向对象的分析和设计方法,运用统一建模语言中的常用概念和视图建模,重点描述使用用例图、类图和时序图的开发过程,最后使用基于B/S的结构实现该系统。     

基于UML构造回归测试依赖集

首先简单介绍了现代软件工程采用的建模语言UML的特点和功能,特别是其图形表达方式类图和包图的特点,并分析了面向对象系统基于安全缩减的回归测试。最后,提出了一种基于UML类图和包图构造类依赖集、子系统依赖集的算法。     

精化UML模型

本文通过融合UML用例图、类图、顺序图和状态图，得到一个软件系统的需求模型和设计模型，给出了需求模型和设计模型的协调性条件及精化规则。这样，我们可以从软件开发的需求分析和设计阶段检查模型的协调性，通过协调地精化模型后生成代码。用这种方法，我们可在软件设计的早期阶段发现不协调问题，减少生成代码后除错所产生的代价。     

三元相图绘制编程与应用

为了能快速、精确地绘制出满意的三元体系的平衡相图,作者应用Inprise公司的快速开发工具Delphi 5设计实现了解决该问题的计算机绘图程序。程序具有较高的自动化程度,在相图区具有动态组成提示功能,对两相曲线可选用多项式拟合或样条函数平滑拟合,并可进行分段处理,能自动确定结线之间的最佳交点,从而确定有无新的化合物生成。应用本程序绘制了几种不同类型三元体系的平衡相图。实例运行结果表明,该程序使用方便、灵活、作图快速,图形效果满意。     

基于UML建模的考试信息系统研究

UML是一种定义良好、易于表达、功能强大且普遍适用的统一建模语言,是面向对象建模领域的工业标准。介绍了UML统一建模语言及其建模工具Rational Rose,以考试信息系统为研究对象,分析了其需求和流程,并利用UML的用例图和顺序图及其建模工具Rational Rose对考试信息系统进行了建模。     

故障树向因果图转换的研究

故障树和因果图都采用图形表示因果关系，都主要用于故障诊断和故障分析。由于二者的相似点较多，因此研究故障树向因果图的转换显得十分重要。这样可以进一步扩大因果图的应用范围。文章在分析故障树与因果图概念和表示符号的基础上，探讨了故障树与因果图之间的相互转换，提出了故障树转换为因果图的方法。研究结果表明：含有“与门”、“或门”、“禁门”和“表决门”的故障树可以转换为因果图，这样对于这类故障树处理的故障诊断问题都可以采用因果图来解决。