数据结构典型算法分析与实现——关键路径

数据结构和Ｃ语言程序设计在软件考试高级程序员级中占有相当的分量。根据高程考试大纲的要求,数据结构应掌握的主要内容有线性结构（线性表、栈、队列、数组和字符串等）和非线性结构（树和图等）的定义、存储和操作。非线性结构树和图及有关算法既是重点又是难点,为了帮助应试者理解和掌握算法,本文对在带权有向图中求解关键路径的算法作了深入剖析并给出了完整的Ｃ程序。１ 问题的提出 有向图可以用来表示某个工程,若用顶点表示活动,用边表示活动之间的先后关系,则称此有向图为ＡＯＶ网络（Ａｃｔｉｖｉｔｙ Ｏｎ Ｖｅｒｔｅｘ ｎ…     

Petri网仿真和自动化分析中的存储结构及算法研究

存储结构及算法是Petri网仿真和自动化分析研究中的重要内容，Petri网是一种特殊的有向图，通过对图的存储问题进行研究，提出了一种有向图的存储结构-树链式结构，给出了其构造算法，与其它有向图存储结构相比，它既可提高算法速度又能降低算法复杂性，树链式结构在Petri网仿真和自动化分析中应用优势明显，着重讨论了Petri网的树逻式存储结构，提出了基于该存储结构的可达树生成算法，所生成的可达树的树链结构形式，利于展开Petri网的各种分析算法。     

面向图结构的分布式程序设计模型GOM

很多分布式程序由一组分散在不同处理器结点上的松散耦合的进程协作完成某项任务。这些进程底层的逻辑结构可以用一个图来表示，进程间的通信和同步关系可以用图上的操作来表示。该文描述面向图结构的模型ＧＯＭ以及它的实现ＧＯＳ。在ＧＯＭ层，一个分布式程序由一个概念图以及由消息激活的若干函数构成。     

完美模型的充要条件及其结构分析

纯Ｄａｔａｌｏｇ的唯一模型定理在Ｄａｔａｌｏｇ－Ｎｏｔ程序中不成立，因此，在Ｄａｔａｌｏｇ－Ｎｏｔ程序的所有Ｈｅｒｂｒａｎｄ模型中，必须有一种模型的选择标准来确定程序的语义．完美模型关系是一种合理的选择标准．然而，由于完美模型的复杂性阻止了它的发展．本文分析了完美模型，通过有向图，给出了有完美模型的充要条件，并且给出构造算法及其正确性证明．本文得到的结果是：对任一自反有向图Ｇ，都能构造一个Ｄａｔａｌｏｇ－Ｎｏｔ程序Ｐ，使得Ｐ的完美模型图与Ｇ同构.     

汉字发生系统设计与汉字图象数据压缩

本文讨论了完备的汉字发生系统设计的主要问题,给出了一个实用的压缩汉字图象数据的方法——笔元法,着重讨论了印刷体汉字图象结构信息的编码压缩,并提出了一个理论模型:汉字集的几何结构用一个特殊的有向图表示,汉字集结构信息的编码问题成为有向图的编码问题。定义了图的同构等价性及在一定编码映射下有向边的边权,图的总边权是汉字集结构码的总长度。编码的优化是通过对有向图进行一系列同构等价变挟产生最小图,并对最小图的边和节点作统计分析而得出。     

基于有向图的工作流模型的研究

工作流模型的建立是工作流管理系统中非常重要的一步，关系着工作流管理系统实施的成败。文中首先分析了基于IPO图的有向图工作流模型，并在其基础上运用面向对象的思想提出了基于活动节点和有向连接弧的有向图模型。接着分析了这种模型的特点，结合XML技术给出了该模型的XML文件定义，通过具体的实例说明了该种模型的可扩展性和可维护性，可以有效解决一些流程描述中的难点，并给出了流程描述难点如联合审批和回退机制的支持和解决方案。最后结合了电子文件的申请浏览流程的例子说明了该模型定义在实际流程的中的有效运用。     

工作流模型的有向图表示及基于Petri网的验证方法

该文从工作流模型的基本结构出发，描述了模型结构的有向图表达方法与建模方式，提出了一种将有向图转化为Petri网的转换算法，说明Petri网与工作流网的关系，之后运用Petri网的分析技术来验证模型的正确性，为电子政务领域内工作流模型的正确性验证提供了一种解决方案。     

有向图扩展边集数组存储结构的实现

对有向图边集数组存储结构进行修改和扩展,在其基础上利用栈机制实现有向图操作的基本算法：生成算法和拓扑排序算法。该扩展结构能克服边集数组存储结构不便于图操作的缺点,通过空间的重复使用,有效地节约存储空间,通过静态存储空间实现图的表示,提高算法的稳定性。     

基于带根连通有向图的对象集成模型及代数

提出一种便于异构数据源集成的公共数据模型——OIM对象模型.它基于带根连通有向图，图中可出现环路，因而能自然地描述复杂对象与其成员对象间的引用关系和WWW上HTML文件间的链接关系.它的每个对象含有描述符，特别适合于描述那些没有显式模式或模式无法预知的数据对象.OIM对象代数提供对象并、差、选择、投影、粘贴及切削6种操作.比关系代数具有更大的灵活性，可作为查询分解和优化的形式化基础.     

基于Pi-演算的扩展有向图工作流模型及验证

为了加强工作流模型对业务流程的描述能力,提出了一种扩展有向图工作流模型及其验证方法.针对基于有向图工作流模型的不足,提出了扩展有向图工作流模型,并给出了该模型的定义和图形符号描述.在用Pi-演算准确描述扩展有向图工作流模型的基础上,给出了用Pi-演算分析和验证扩展有向图工作流模型正确性的方法.最后,结合实验对扩展有向图工作流模型及验证方法进行了仔细分析,实验结果表明了该工作流模型及验证方法的有效性和正确性.     

Manifold-ranking based retrieval using k-regular nearest neighbor graph

Manifold-ranking is a powerful method in semi-supervised learning, and its performance heavily depends on the quality of the constructed graph. In this paper, we propose a novel graph structure named k-regular nearest neighbor (k-RNN) graph as well as its constructing algorithm, and apply the new graph structure in the framework of manifold-ranking based retrieval. We show that the manifold-ranking algorithm based on our proposed graph structure performs better than that of the existing graph structures such as k-nearest neighbor (k-NN) graph and connected graph in image retrieval, 2D data clustering as well as 3D model retrieval. In addition, the automatic sample reweighting and graph updating algorithms are presented for the relevance feedback of our algorithm. Experiments demonstrate that the proposed algorithm outperforms the state-of-the-art algorithms.     

基于骨架层次分解的目标的图表示

基于骨架的目标表示技术是模式识别和计算机视觉的重要研究内容,近年来人们提出了许多骨架化算法,但是有关利用骨架信息表示并识别目标的研究还非常有限。Ablameyko等1996年提出了通过分解由距离标号的骨架为有意义的结构基元从而获得目标的层次结构图的方法。该图可以准确地刻画基元之间的拓扑关系,但是它对于骨架中的噪声比较敏感。主要表现为噪声基元破坏其它基元的完整性和图的稳定性。该文采用将分支编组为分支链以及构造多尺度结构图的改进策略来克服这些缺点,最终获得了目标的节点数更小、节点显著度更高、节点间连接关系更稳定的多尺度图,从而显著地提高后续利用不精确图匹配技术进行目标识别的效率。这项技术已经被应用于一个基于形状特征的图像数据库检索系统中。     

Mixture graph based semi-supervised dimensionality reduction

Graph structure is crucial to graph based dimensionality reduction. A mixture graph based semi-supervised dimensionality reduction (MGSSDR) method with pairwise constraints is proposed. MGSSDR first constructs multiple diverse graphs on different random subspaces of dataset, then it combines these graphs into a mixture graph and does dimensionality reduction on this mixture graph. MGSSDR can preserve the pairwise constraints and local structure of samples in the reduced subspace. Meanwhile, it is robust to noise and neighborhood size. Experimental results on facial images feature extraction demonstrate its effectiveness.     

大规模图处理研究

大数据研究领域的许多问题可以转换为图的问题。本文将阐述鲲鹏大数据系统计算引擎中有关大规模图处理的研究进展以及应用,具体包括高效子图匹配算法、面向图的稀疏数据存储结构和大规模图异步计算模型及其在基因拼接中的应用。     

基于邻域感知图神经网络的会话推荐

在基于会话的推荐中,图神经网络及其改进模型将会话内复杂的交互关系建模为图结构并从中捕获项目特征,是现有推荐模型中性能较好的一类方法。然而大多数模型都忽略了不同会话之间可能存在的有效信息,仅对当前会话建模难以利用其他会话,也无法发挥邻域信息的辅助作用。因此提出基于邻域感知图神经网络的会话推荐（NA-GNN）。该模型构建会话层和全局邻域层的图结构捕获项目表示,结合注意力机制聚合两种项目表征,将会话序列之间的互信息最大化地结合到网络训练中。在真实的数据集Yoochoose和Diginetica上进行实验,与性能最优的基准模型相比,模型P@20在Yoochoose上提高了1.85%,在Diginetica上提升了7.19%;MRR@20分别提升了0.48%和8.36%,证明模型的有效性和合理性。     

图形轮廓分层路由提取的MST生长算法

在以可达路径决策为核心的图形轮廓提取中,为有效地解决路由决策困难及路径特征值精度等问题,提出了图形轮廓分层路由提取的MST生长算法.该算法将图形路由拓扑结构划分为域内路由和域间路由.域内路由对非支配点关联路径进行重组,建立以支配点为节点的图形有权无向图;域间路由以无向图最小生成树MST为基础,利用树节点间唯一可达特性构造MST生长算法.最后综合这2个层次实现完整的图形轮廓提取.通过算例及应用证明了文中算法的可行性和有效性.     

大规模图神经网络系统综述

图神经网络(GNN)是一类基于深度学习的处理图域信息的方法,它通过将图广播操作和深度学习算法结合,可以让图的结构信息和顶点属性信息都参与到学习中,在顶点分类、图分类、链接预测等应用中表现出良好的效果和可解释性,已成为一种广泛应用的图分析方法.然而现有主流的深度学习框架(如TensorFlow、PyTorch等)没有为图...     

A graph-based data model and its ramifications

Currently, database researchers are investigating new data models in order to remedy the deficiencies of the flat relational model when applied to nonbusiness applications. Herein we concentrate on a recent graph based data model called the hypernode model. The single underlying data structure of this model is the hypernode which is a digraph with a unique defining label. We present in detail the three components of the model, namely its data structure, the hypernode, its query and update language, called HNQL, and its provision for enforcing integrity constraints. We first demonstrate that the said data model is a natural candidate for formalising hypertext. We then compare it with other graph based data models and with set based data models. We also investigate the expressive power of HNQL. Finally, using the hypernode model as a paradigm for graph based data modelling, we show how to bridge the gap between graph based and set based data models, and at what computational cost this can be done     

含假结RNA二级结构类的图语法

用最小自由能法预测RNA二级结构是NP困难问题,其根本原因是假结的存在。近几年的预测算法都针具有一定结构特征的假结寻找多项式时间算法进行预测。论文针对RNA二级结构图提出一种图语法,该语法由初始结构图集和重写规则集构成,用重写规则在初始结构图上的不断重写得到的结构图都是该语法的语言。分析了5个主流RNA二级结构预测算法的目标集,给出它们的图语法,使得目标集的结构特征一目了然,目标集间的真包含关系也通过图语法直观地体现出来。     

基于邻域的大规模图数据动态分割算法

随着图数据的规模日益增大,出现大量以动态图数据为基础的分布式处理需求,划分问题在动态图数据分布式处理领域尤为重要. 对大规模动态图数据上的划分问题进行研究,根据图结构性质及动态图特点,提出并实现基于邻域的动态图分割算法. 算法分为静态切分和动态调整两个阶段,其中基于割边算法整合现有最优化策略提出了大规模图数据的静态切割算法. 在优化后的静态切割算法的基础上,根据图数据的动态扩张的特性提出动态分割算法. 根据迁移顶点所达到的最小负载值进行顶点迁移,并在此基础上进行性能及割边控制优化操作. 最后,改进算法在各类图数据集上进行了验证,验证的结果显示在平衡度和割边等指标上优化后的算法效果显著,提高了划分的合理性,并且在保证割边不增加的情况下提高了图分割的平衡度.