子图
子图的相关文献在1985年到2023年内共计1772篇,主要集中在数学、自动化技术、计算机技术、无线电电子学、电信技术
等领域,其中期刊论文200篇、专利文献1572篇;相关期刊159种,包括安庆师范学院学报(自然科学版)、江苏科技大学学报(自然科学版)、南京师大学报(自然科学版)等;
子图的相关文献由3862位作者贡献,包括王业奎、弗努·亨德里、张凯等。
子图
-研究学者
- 王业奎
- 弗努·亨德里
- 张凯
- 张莉
- 高琪
- 王晋军
- 邓智玭
- 周思中
- 宣琦
- 刘杉
- 刘鸿彬
- 许继征
- 赵翔
- 陈建乐
- 黎海生
- 崔秉斗
- 徐江涛
- 王川
- 王洪平
- 王磊
- 夏海英
- 王兴奎
- 陈启刚
- 史蒂芬·文格尔
- 张鹏
- 王金焕
- 聂凯明
- 陈一帆
- 高静
- 刘俭
- 刘建业
- 刘春宝
- 刘森
- 大和田伯男
- 崔云喆
- 张磊
- 成立
- 房惠民
- 曾庆化
- 朴明俊
- 杨勇
- 罗灿
- 范萍
- 袁素真
- 谭久彬
- 赵忠华
- 赵烟桥
- 邹磊
- 郑汀爀
- 陈晓
-
-
陈伯伦;
朱国畅;
纪敏;
朱鸿飞;
韦晨
-
-
摘要:
在社交网络的信息传播机制中,不同用户之间信息扩散往往会受到用户之间影响力的影响,因此开展复杂网络分析研究显得格外必要。首先研究在代价约束下,社交网络的影响力传播模型,在未知网络传播原理的情况下,研究如何利用叠加的随机游走策略对网络的影响力传播进行度量,将影响力传播的范围控制在某一子图中,设计出抑制负影响力传播的有效方法。在此基础上,通过渗流来对抑制节点的范围进行控制。实验证明,本文的算法不仅可以有效地限制负影响力的传播,而且在代价约束下能够取得较好的性能。本文不仅对分析、理解和预测网络的拓扑结构、功能和动力学行为具有十分重要的理论意义,而且在舆情管控、虚假信息抑制等领域中也发挥着重要的作用。
-
-
胡雯;
马闯;
张海峰
-
-
摘要:
已有研究基于子图交互关系构造子图网络来实现网络结构增强,然而其算法复杂度高。鉴于此,基于不同阶子图网络的拓扑属性分别对原始网络进行赋权,得到一阶和二阶加权网络,以权重的形式直观体现子图交互关系。同时,这两种加权网络的权重可以直接通过原始网络的拓扑结构计算得出,从而避免了子图网络的构造过程,大大降低了算法复杂度。最后,以关键点识别任务作为研究对象说明这两种加权网络在结构挖掘应用中的性能。基于加权网络定义了两种新的中心性指标,在8个真实网络中与7种经典的中心性指标进行对比,实验结果表明基于加权网络的中心性指标具有更好的性能。
-
-
曾德炎;
翟冬阳
-
-
摘要:
图G是2树当且仅当G是一个3阶完全图,或者G中存在一个度为2的顶点v,使得与v相邻的两个顶点也相邻,且G-v也是一个2树.设G是一个k阶2树,其中k≥3,设k≡i(mod3),其中i=0,1,2.本文对i=0,1,2这三种情形,分别构造了三类图包含所有k个顶点的2树作为子图.
-
-
陈军红;
董彦军
-
-
摘要:
为优化平面控制网的复数域最小二乘估计方法,从图论的角度进一步对平面控制网的网形结构进行分析,将平面控制网拆解成若干个子图单元.对每个子图单元采用神经元模型,提出平面控制网的神经元算法.通过算例验证本文方法比之前的复数域最小二乘法有较好的优越性,为平面控制网的平差方法研究提供创新思路.
-
-
曾德炎;
翟冬阳
-
-
摘要:
图G是2树当且仅当G是一个3阶完全图或者G中存在一个度为2的顶点v,使得与v相邻的两个顶点也相邻,且G-v也是一个2树.设G是一个顶点数为n的2树,设X?V(G),且X中顶点个数为k,其中k≥3.证明了G中由顶点集X诱导的子图是某个顶点数为k的2树G1的子图,并指出了两种特殊情形下的G1.
-
-
贾志豪;
孙君
-
-
摘要:
稀疏码分多址接入(Sparse Code Multiple Access,SCMA)作为一种重要的码域非正交多址技术,能够满足5G通信的海量机器接入需求,但是接收端采用的消息传递算法(Message Passing Algorithm,MPA)存在收敛速度慢、计算复杂度较高的问题.本文提出一种基于子图的边缘串行消息传递算法(SE-MPA),将原始因子图划分为多个不同子图,在子图的基础上优化消息更新顺序,利用边缘串行更新序列集,被更新的用户节点消息立刻用来更新相连的资源节点.仿真结果表明,该算法在少量系统BER性能损失条件下,能够有效加快消息收敛速度,降低计算复杂度.
-
-
-
-
-
赵孟
-
-
摘要:
为了更加高效地枚举出不确定图极大团,通过对现有确定图和不确定图极大团枚举算法进行研究,结合在相同图结构下确定图极大团与不确定图极大团之间的关系,提出了一种基于相同图结构确定图极大团子图划分的高效不确定图极大团枚举算法D-MULE-D。通过在不同的真实数据集上进行实验测试,对比D-MULE-D算法和MULE算法的运行时间,验证D-MULE-D算法的可行性和高效性。