图的分数[a,b]-因子存在的一个条件

图G的孤立韧度定义为I(G)=min｛｜S｜/i(G-S):S!V(G),i(G-S)≥2｝,若G不是完全图;否则,令I(G)=∞。论文给出了图的分数[a,b]-因子的存在性与图的孤立韧度的关系。证明若δ(G)≥I(G)≥a-1+a/b,则图G有分数[a,b]-因子,其中a相似文献   

关于KH和KJ符合图的一些注解

比较了ＫＨ符号图和ＫＪ符号图的零曲率阈值设置问题，指出ＫＨ零阈值相容不等式在ＫＪ情况下仍然适用，因此利用ＫＨ符号图作曲面分割实际上是一个更好的选择。     

图中含有k—因子的判定算法

本文依据图论中已有的一个理论成果（定理１），给出了判定一个图是否含有k-因子的一个算法，同时对算法的复杂性作了分析，又示出了一些简单情况的结果。     

图中含有k—因子的判定算法

本文根据文（３）已有的一个理论成果（定理１）,给出了判定一个图是否含有ｋ－因子的一个算法,同时对算法的复杂性作了分析,并示出了一些简单情况的结果。     

融合社交利益与图注意力网络的同伴互评分数预测

在同伴互评过程中, 评估者会因为战略性评估而导致评估分数不准确. 本文考虑了评估者之间的社交利益关系, 提出了一种融合社交利益与图注意力网络的同伴互评分数预测方法GAT-SIROAN. 该方法由表示评估者与解决方案关系的加权网络SIROAN以及用来预测同伴互评分数的图注意力网络GAT构成. 在SIROAN中使用ITSA方法定义了评估者的两个特征: 自我评分能力和同伴评分能力, 并通过比较这两个特征来获取评估者之间的社交利益因子和关系. 在分数预测环节, 为了考虑每个节点的重要性, 使用自注意力机制来计算节点的注意力系数, 以此来提高预测能力. 采用最小化其均方根误差来学习网络的参数, 从而获取更准确的同伴互评预测分数. GAT-SIROAN在真实数据集上与平均值、中位数、PeerRank、RankwithTA以及GCN-SOAN这5个基线方法进行了对比实验, 结果表明GAT-SIROAN在RMSE指标上均优于基线方法.     

结合因子图的多目的地地图布局优化

目的提出一种结合因子图的多目的地地图生成方法。方法首先,由用户选择多个感兴趣的目的地,系统根据相应规则自动地选择与目的地最相关的路线。然后,通过定义一组衡量布局质量的约束规则,采用因子图方法将定义的每条规则编码成因子,并采用Metropolis Hastings算法对由因子图构建得到的目标分布函数进行采样得到符合约束规则的多目的地地图。结果实验结果表明,使用这种方法得到的多目的地地图,可以在同一显示空间中显示多个目的地之间的道路信息,同时又保留了各目的地区域之间的拓扑和空间关系。结论提出的多目的地地图能有效地为用户提供导航,解决了当前在线地图无法在同一视野中为用户提供空间距离较远的区域道路信息的问题。     

一些新的Hamilton图的必要条件

寻求Hamilton图的适当的特征刻画是图论的一个重大未解决问题,根据图的结构特征,设计了图的顶点的分层方法,研究了Hamilton图中层与层间对外顶点数和对外边数应该满足的关系,分析了Hamilton图中每层顶点数与每层对外项点数的关系,探讨了图与其Hamilton演化图的Hamilton性关系,最后得到一些新的Hamilton图的必要条件。所获得的新的Hamilton图的必要条件实用性强,使用方便,能判断一些原必要条件不能判断的非Hamilton图。     

(0,mf-m+1)图的正交(0,f)因子分解

设G是一个图,f是定义在V(G)上的整数值函数,且对坌x∈V(G),有2k≤f(x),设H1,H2,…,Hk是G的k个顶点不相交的子图,且|E(Hi)|=m,1≤i≤k,证明了每个(0,mf-m+1)图有一个(0,f)因子分解正交于Hi(i=1,2,…,k)。     

MIMO-SCMA系统联合动态因子图检测

针对MIMO-SCMA系统中联合消息传递算法(joint message passing algorithm,JMPA)复杂度较高的问题,对MIMO信道矩阵和SCMA码字的稀疏特性进行研究,提出一种基于置信度的动态因子图联合消息传递算法。在每一次迭代过程中利用置信度的稳定性信息,删除因子图中收敛速度较快的码字信息对应的传播分支,动态地确定下一次迭代所需的因子图,减少资源节点上用户更新数量。仿真结果表明,当资源节点选择合适的减少度数p时,所提算法的复杂度得到显著降低,能够与误码率取得良好的平衡。     

关于KH和KJ符号图的一些注解

比较了ＫＨ符号图和ＫＪ符号图的零曲率阈值设置问题，指出ＫＨ零阈值相容不等式在ＫＪ情况下仍然适用，因此利用ＫＨ符号图作曲面分割实际上是一个更好的选择。     

基于Harary图生成树的部分重复码构造

针对部分重复码的有效修复问题,本文基于Harary图生成树构造出了一种新型的部分重复(Fractional Repetition based on Spanning trees of Harary graph,FRSH)码.实验结果表明,相较于现有的里所(Read-Solomon,RS)码和简单再生码(Simple R...     

Preemptive Scheduling with Dedicated Processors: Applications of Fractional Graph Coloring

We study the problem of scheduling independent multiprocessor tasks, where for each task in addition to the processing time(s) there is a prespecified dedicated subset (or a family of alternative subsets) of processors which are required to process the task simultaneously. Focusing on problems where all required (alternative) subsets of processors have the same fixed cardinality, we present complexity results for computing preemptive schedules with minimum makespan closing the gap between computationally tractable and intractable instances. In particular, we show that for the dedicated version of the problem, optimal preemptive schedules of bi-processor tasks (i.e., tasks whose dedicated processor sets are all of cardinality two) can be computed in polynomial time. We give various extensions of this result including one to maximum lateness minimization with release times and due dates. All these results are based on a nice relation between preemptive scheduling and fractional coloring of graphs. In contrast to the positive results, we also prove that the problems of computing optimal preemptive schedules for three-processor tasks or for bi-processor tasks with (possible several) alternative modes are strongly NP-hard.     

知识图谱研究综述

知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库,是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前,知识图谱的内涵还不够清晰;且因建档不全,已有知识图谱的使用率和重用率不高.为此,本文给出知识图谱的定义,辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础,知识图谱是本体的实例化;本体研究成果可以作为知识图谱研究的基础,促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法,以提高其使用率和重用率.最后指出知识图谱未来的研究方向.     

Research on Fractional Critical Covered Graphs

A graph G is called a fractional (g, f)-covered graph if for any e ∈ E(G), G admits a fractional (g, f)-factor covering e. A graph G is called a fractional (g, f, n)-critical covered graph if for any S ? V(G) with ∣S∣ = n, G ? S is a fractional (g, f)-covered graph. A fractional (g, f, n)-critical covered graph is said to be a fractional (a, b, n)-critical covered graph if g(x) = a and f(x) = b for every x ∈ V(G). A fractional (a, b, n)-critical covered graph was first defined and studied in [1]. In this article, we investigate fractional (g, f, n)-critical covered graphs and present a binding number condition for the existence of fractional (g, f, n)-critical covered graphs, which is an improvement and generalization of a previous result obtained in [2].

     

分数阶Hartley级数展开

论文在分数阶Hartley变换(FRHT)的基础上,提出了一种分数阶Hartley级数展开方法。这种新的展开方法可应用于任意中心频率的chirp类信号,克服了分数阶Hartley变换限制信号的中心频率必须等于特定值倍数的缺点。     

Numerical Solutions of Fractional Differential Equations by Using Fractional Taylor Basis

In this paper, a new numerical method for solving fractional differential equations (FDEs) is presented. The method is based upon the fractional Taylor basis approximations. The operational matrix of the fractional integration for the fractional Taylor basis is introduced. This matrix is then utilized to reduce the solution of the fractional differential equations to a system of algebraic equations. Illustrative examples are included to demonstrate the validity and applicability of this technique.      

图对抗攻击研究综述

将深度学习用于图数据建模已经在包括节点分类、链路预测和图分类等在内的复杂任务中表现出优异的性能,但是图神经网络同样继承了深度神经网络模型容易在微小扰动下导致错误输出的脆弱性,引发了将图神经网络应用于金融、交通等安全关键领域的担忧.研究图对抗攻击的原理和实现,可以提高对图神经网络脆弱性和鲁棒性的理解,从而促进图神经网络更...     

基于四元数分数阶方向微分的图像增强

根据已有的四元数和分数阶微分的知识, 以及它们在现代信号处理中的应用, 推导出一种新知识: 四元数分数阶方向微分, 并将其应用于图像增强. 该方法首先将一幅彩色图像用一个四元数函数表示, 给出四元数函数的分数阶方向微分的定义和计算方法, 继而推导出沿八个方向的四元数分数阶方向导数的数值计算模板, 并根据八个方向的分数阶导数求出图像平面中各点的四元数分数阶方向微分的矩的最大值, 以该最大值代替该点的像素值, 从而得到增强后的图像. 实验结果表明, 该方法应用于图像增强能使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以非线性保留, 其视觉效果明显优于传统的微分锐化方法.     

Straight-Line Drawing Algorithms for Hierarchical Graphs and Clustered Graphs

Hierarchical graphs and clustered graphs are useful non-classical graph models for structured relational information. Hierarchical graphs are graphs with layering structures; clustered graphs are graphs with recursive clustering structures. Both have applications in CASE tools, software visualization and VLSI design. Drawing algorithms for hierarchical graphs have been well investigated. However, the problem of planar straight-line representation has not been solved completely. In this paper we answer the question: does every planar hierarchical graph admit a planar straight-line hierarchical drawing? We present an algorithm that constructs such drawings in linear time. Also, we answer a basic question for clustered graphs, that is, does every planar clustered graph admit a planar straight-line drawing with clusters drawn as convex polygons? We provide a method for such drawings based on our algorithm for hierarchical graphs.