基于图论优化模型的自组织网络算法与网络吞吐率分析

研究了分布式自组织无线通信网的组网问题,提出了一种充分利用网络拓扑结构信息的优化组网算法,该算法具有网络控制节点数少、节点之间通信链路简化等优点,在组网后规定网络通信路由的情况下,利用ＣＳＭＡ作为信道舆协议,对网络中节点之间通信的吞吐率进行了分析,在给定节点平均通信业务量的条件下,分析了整个网络的吞吐率,推导了模型参数的估值公式,计算机传真结果表明,优化网络的性能 于已有组网算法构建的网络。     

应用图论和基元方向信息的手写数字识别

提出一种应用图论的原理和基元方向信息来识别手写数字的方法,根据图论的原理对数字的图像进行粗分类,抽取基元,由方向信息进行细分类,结果表明该方法有比较好的识别结果。     

“非正式”的价值

美国著名管理学家、近代管理理论奠基人之一的切斯特·巴纳德认为,只要一群人之间形成了一定的心理契约,就可以称为一个组织。而如果按照这个定义来诠释组织,除了我们生活、工作中的公司、工厂、学校、机关这些明显的组织之外,我们身边还隐藏着各种各样的非正式组织。     

基于图论的射频识别阅读器防碰撞算法

射频识别（RFID）系统的运行往往需要多个阅读器,以保证覆盖整个目标区域。在密集的阅读器的环境中,由于阅读器之间存在相互干扰,会影响整个RFID系统的工作效率,降低识别效率。针对上述问题,提出一种新的基于图论的阅读器防碰撞算法。首先把阅读器网络看成简单图,以时隙对阅读器分组,同时隙阅读器为一组,相邻阅读器分配不同的时隙,以解决阅读器因读取范围交叉重叠而引起的干扰;同时考虑组内阅读器的频率干扰问题,同样以频率对组内阅读器再分组,同频率阅读器为一组,相邻阅读器分配不同频率,以解决因干扰范围过大而引起的频率碰撞问题;然后根据分组信息,中央服务器通过配置命令将时隙和频率资源调度分配给每个阅读器;最后通过时序命令控制每组阅读器的工作顺序。仿真结果显示,相比邻近友好型防碰撞（NFRA）算法,该算法平均工作效率提升了6.5个百分点;阅读器数量为1000时系统工作效率提升了9.5个百分点。新算法能优化给定时间内工作阅读器的数量,减少闲置等待的阅读器数量。     

基于MOOC的非正式学习研究

随着信息技术的飞速发展,以云服务、云计算为标志的云时代已经到来,极大地丰富了教育教学的内容和方式,当下基于MOOC的典型网络学习模式已受到广泛的关注。文章在介绍非正式学习的基础上,以Coursera为例,分析MOOC应用于非正式学习的优势,在关联主义理论的指导下构建基于MOOC的非正式学习模式,为基于网络的非正式学习提供依据。     

基于E-learning的非正式学习应用研究

随着互联网的发展,学习方式也随之发生了变化,课堂学习已经不是学生的唯一学习方式,随着网络技术的发展,学习渠道也从传统的课堂转到了网络化、数字化学习,通过互联网学习显得尤为重要。其中E-learning作为一种重要的方式在非正式学习中起着不可或缺的作用[1]。     

驾驭组织的非正式流程

<正>在一个企业或者其他组织机构中,组织结构图是一回事,企业(组织)的实际运转又是一回事,纸上的流程解决不了问题,计算机软件系统一样无能为力。这里并没有轻视正式工作流程的意思,但是"非正式工作流程"更有活力、更能动,驾驭得当的话能够发挥出惊人的效力。     

基于E-learning的非正式学习应用研究

随着互联网的发展,学习方式也随之发生了变化,课堂学习已经不是学生的唯一学习方式,随着网络技术的发展,学习渠道也从传统的课堂转到了网络化、数字化学习,通过互联网学习显得尤为重要。其中E-learning作为一种重要的方式在非正式学习中起着不可或缺的作用[1]。     

基于图论的网络安全分析方法研究与应用

当前，对网络的安全状况进行定量分析和预警日益显得重要，文中通过对漏洞库中的大量漏洞信息进行分析，提出对网络安全脆弱性的威胁程度进行定量分析的层次分析模型和指标体系，采用图论的方法对各种安全脆弱性信息进行关联分析，并在此基础上构造入侵关系图模型，给出基于入侵关系图的网络安全威胁分析方法，最后对整个网络安全分析评估系统的实现原型进行了分析。     

基于图论的图像分割研究进展

基于图论的图像分割技术是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图,把像素视作节点,利用最小剪切准则得到图像的最佳分割。论文对图论方法用于图像分割的基本理论进行了简要介绍,并对当前图论方法用于图像分割的最新研究进展进行了综述。     

基于谱图理论的特征匹配方法研究和改进

图像匹配问题是计算机视觉领域的一个基本问题,广泛地应用于很多领域,如:模式识别,自动导航,医学诊断,计算机视觉,图像三维重构等领域。将所研究的问题转化为数学问题,再利用数学工具解决这一问题,成为当今研究的一种重要手段。在这里,将图像匹配中的图像转化为数学-图论中的图,利用谱图理论解决图像匹配问题,从而形成了一类比较流行而新颖的方法,针对这一方法进行了较为系统的探究并做出了改进。     

基于图论的频繁模式挖掘

对图数据频繁模式的挖掘是近年的研究热点．选择了惟一标号图进行分析,结合图论和频集生成的算法,提出了基于Aproiri思想、运用矩阵乘法的AMGM算法和基于SFP树的SFP算法．它们可有效地挖掘简单图中连通频繁子图．实验表明,这两个算法是十分有效的,其中SFP算法的性能优于AMGM．该算法还被运用于发现Web上的权威页面和社团,具有良好的效果．     

基于图论方法构造神经网络

本文讨论神经网络的构造问题，说明利用图论中的Ｔａｌｌｅｇｅｎｓ定理可训练任何误差反向传播种经网络和稳定的非反传神经网络．     

图论的算法和应用研究

图论在学科中属于离散数学,因此它具有离散数学的许多特点。图论中许多概念和理论的产生和发展是相互独立的,因而被分成许多相互独立的专题,其算法是解决问题的一系列步骤的集合,是离散数学重要的组成部分。文章首先介绍一些图论的理论以及图的相关概念,然后对图论中经常使用到的算法作了研究和讨论,最后,并以一个具体的图论模型论述通过建立图论模型来解决实际问题了。     

一种基于图论的图像分割算法

针对图像分割应用中阈值难以确定的问题,提出一种基于图论的图像分割算法。利用二维高斯分布函数给出边权重函数的动态自适应系数,结合区域间、区域内的相似度函数定义差距函数,得到适合区域合并的动态判定函数。实验结果表明,与其他算法相比,该算法的图像分割效果较好,花费时间较少。     

基于高校排课系统中的图论问题研究

文章针对高校排课系统的现状,转化教师、班级、教室之间的关系为集合关系,然后,从中建立两个二部图模型来解决:教师与上课班级的二部图;每节课与教室的二部图。第一个问题转化为求二部图最小匹配数,第二个问题转化为求二部图中渗透集合每个点的一个匹配。     

基于谱图理论的流形学习算法

流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形．近年来基于谱图理论的学习算法受到研究者的广泛关注．介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望．     

一种新的基于图论聚类的分割算法

针对传统图论聚类法在分割图像时对噪声和模糊边界敏感,产生伪割集以及计算复杂度大的问题,对传统算法进行了相应的改进,即首先将每个像素作为一类改为将图像中灰度相同的像素作为一类;其次在计算权值时改进权函数定义,将节点与区域间的空间近邻关系约束进权函数表达式,而非传统算法中仅考虑节点与节点间的灰度和位置关系.对比实验表明,该算法只需要设计少量的参数即可自动完成聚类,所需的存储空间以及实现的复杂度相比于传统图论聚类法都得到极大改善.     

基于图论分析的车牌数字字符识别研究与应用

细化后的字符图像可以看作是一幅连通图,从图论的观点出发,在对车牌末尾三位数字字符图像识别中,选择闭合曲线作为其整体特征,将笔画端点所处字符图像中子区域的位置做为主要的细节特征,对车牌数字字符进行识别。试验结果表明该方案是可行的和有效的。     

基于图论分析的车牌数字字符识别研究与应用

细化后的字符图像可以看作是一幅连通图，从图论的观点出发，在对车牌末尾三位数字字符图像识别中，选择闭合曲线作为其整体特征，将笔画端点所处字符图像中子区域的位置做为主要的细节特征，对车牌数字字符进行识别。试验结桌表明该方案是可行的和有效的。