基于“引阳入阴”理论的二部推拿配合五行音乐对围绝经期肝郁肾虚型失眠的临床疗效

目的 观察“引阳入阴”理论指导下的二部推拿配合五行音乐治疗围绝经期肝郁肾虚型失眠的临床疗效。方法 选取围绝经期肝郁肾虚型失眠患者81例,采用随机数字表法分为推拿组、音乐组、推拿联合音乐治疗(联合治疗)组,每组27例。推拿组依据“引阳入阴”理论给予头面部与背俞穴推拿治疗;音乐组采用五行音乐疗法治疗;联合治疗组给予头面部与背俞穴推拿联合五行音乐治疗。疗程周期为2 w,比较各组临床疗效,多导睡眠图指标、性激素水平、匹兹堡睡眠质量指数(PSQI)及围绝经期生活质量量表(MRS)评分。结果 联合治疗组临床疗效明显高于推拿组和音乐组(P<0.05)。治疗后各组多导睡眠图各项指标均好转。与推拿组和音乐组相比,联合治疗组睡眠潜伏时间、觉醒次数、觉醒/睡眠比明显缩短,快速动眼时间、总睡眠时间及睡眠效率明显增加(P<0.05)。与推拿组和音乐组比较,联合治疗组治疗后性激素指标卵泡生成激素(FSH)和黄体生成激素(LH)水平下降更为明显,雌二醇(E2)水平显著增加(P<0.05)。治疗后各组PSQI和MRS评分均显著降低,联合治疗组降低更为明显(P<0.05)。结论 “引阳入阴”理论指导下的二部推拿联合五行音乐疗法对围绝经期肝郁肾虚型失眠疗效显著。

基于二部图的联合谱嵌入多视图聚类算法

多视图聚类在图像处理、数据挖掘和机器学习等领域引起了越来越多的关注.现有的多视图聚类算法存在两个不足,一是在图构造过程中只考虑每个视图数据之间的成对关系生成亲和矩阵,而缺乏邻域关系的刻画;二是现有的方法将多视图信息融合和聚类的过程相分离,从而降低了算法的聚类性能.为此,提出一种更为准确和鲁棒的基于二部图的联合谱嵌入多视图聚类算法.首先,基于多视图子空间聚类的思想构造二部图进而产生相似图,接着利用相似图的谱嵌入矩阵进行图融合,其次,在融合过程中考虑每个视图的重要性进行权重约束,进而引入聚类指示矩阵得到最终的聚类结果.提出的模型将二部图、嵌入矩阵与聚类指示矩阵约束在一个框架下进行优化.此外,提供一种求解该模型的快速优化策略,该策略将优化问题分解成小规模子问题,并通过迭代步骤高效解决.提出算法和已有的多视图聚类算法在真实数据集上进行实验分析.实验结果表明,相比已有方法,提出算法在处理多视图聚类问题上是更加有效和鲁棒的.

二部图性质的谱刻画

为了刻画二部图的性质,研究了图的邻接矩阵、邻接特征多项式、线图、关联矩阵、拉普拉斯矩阵、无符号拉普拉斯矩阵等。用图的谱性质刻画了二部图的特征,并得到了以下结论:二部图G的奇数阶谱矩为0,邻接谱在实数轴上关于原点对称,–2是线图l(G)的重数为m−n+1的特征值,拉普拉斯矩阵和无符号拉普拉斯矩阵有相同的谱,最小无符号拉普拉斯特征值等于0,最大拉普拉斯特征值等于最大无符号拉普拉斯特征值。

基于汉字拆分嵌入和二部图的残损碑文识别

古籍碑刻承载着丰富的历史文化信息,但是由于自然风化浸蚀和人为破坏使得碑石上的文字信息残缺不全。古碑文语义信息多样化且样例不足,使得学习行文语义补全识别残损文字变得十分困难。该文试图从字形空间语义建模解决补全残损汉字进行识别理解这一挑战性任务。该文在层级拆分嵌入(HDE)编码方法的基础上使用动态图修补嵌入(DynamicGrape),对待识别汉字的图像进行特征映射并判别是否残损。如未残损直接转化为层级拆分编码,输入二部图推理字节点到部件节点的边权重,比对字库编码识别理解;如残损需要在字库里检索可能字和部件,对汉字编码的特征维度进行选择,输入二部图推理预测可能的汉字结果。在自建的数据集以及中文自然文本(CTW)数据集中进行验证,结果表明二部图网络可以有效迁移和推理出残损文字字形信息,该文方法可以有效对残损汉字进行识别理解,为残损结构信息处理开拓出了新的思路和途径。

完全二部图上的筹码分发博弈

本文主要研究完全二部图上的筹码分发博弈(chip-firing games)次数的有限性。我们根据顶点的筹码数,定义两个函数并进行分类;结合完全二部图的性质,给出了博弈次数有限的充要条件。

关于极大二部匹配可扩图

若简单图G的每一个二部匹配都可增扩为G的一个完美匹配,则称图G是二部匹配可扩图(简称BM-可扩图)。BM-可扩图广泛地存在于相对稠密的图类之中。讨论树梯图、加强树梯图和正则加强树梯图等图类,并在树梯图图类中确定了正则加强树梯图是加强树梯图中的极大BM-可扩图的刻画。该结论与Wang Xiu-mei一起给出了三类极大BM-可扩图的完全刻画。

赋权二部图最大匹配的灵敏分析

本文主要从理论上讨论赋权二部图的权的变化对最优解的影响 。

区间上二部可图序列刻划定理的推广

设Pm=p1,…,pm及Qn=q1,…,qn是两个由非负整数构成的不增序列.如果存在一个简单X,Y-二部图G使得X中的顶点的度分别为p1,…,pm且Y中的顶点的度分别为q1,…,qn,那么称序列对(Pm,Qn)是二部可图的,并称二部图G为(Pm,Qn)的一个实现.如果(Pm,Qn)二部可图且任何两个来自不同部集的顶点之间最多关联t条边,那么称(Pm,Qn)是t-二部可图的,并称(Pm,Qn)的实现为t-二部图.Gale和Ryser分别独立地给出了关于二部可图序列的刻划定理.Garg等人考虑了区间上的二部可图序列,并给出相应刻划.此研究将其刻划由1-二部推广至图t-二部图.

团-二部图的距离矩阵的行列式和逆

一个连通图G被称为团-二部图,如果它的块是一些团或者完全二部图.设D(G)是其距离矩阵,利用Graham等作者的一个定理,该文证明了det(D(G))≠0当且仅当K 2,2不是G的一个块,并且给出了D(G)的行列式和逆的公式.

完全二部图K_(4,n)的点被多重集可区别的E-全染色

利用反证法、色集合事先分配法及构造具体染色等方法,讨论完全二部图K_(4,n)的点被多重集可区别的E-全染色,并确定K_(4,n)的点被多重集可区别的E-全色数.

基于用户画像与二部图的大学生就业岗位推荐算法

针对现有就业岗位推荐算法仅基于单一的信息源或简单的用户分类,无法充分捕捉大学生的多维特征和个性化需求,从而导致推荐效果不佳的问题,提出基于用户画像与二部图的大学生就业岗位推荐算法。在融合长短期记忆神经网络的条件随机场模型辅助下,从高校图书馆的档案管理系统中抽取出用户基础信息,基于此生成大学生用户画像。计算不同用户画像特征之间的距离,并采用k均值聚类算法完成用户画像聚类。运用二部图网络搭建基础的大学生就业岗位推荐结构,基于能量分配情况设计初步推荐方案。最后,以加权随机森林模型为基础,考虑用户对项目特征的偏好实现大学生就业岗位的分类,修正初步给出推荐列表的评分,获取精准的大学生就业岗位推荐结果。实验结果表明,应用该方法,给出长度为120的大学生就业岗位推荐列表,其推荐结果的命中率达到了0.94。由此说明,该方法可以精准得出大学生就业岗位推荐结果,从而提高就业匹配度和人力资源利用效率。

点传递二部有向图的极大连通性

有向图X的连通度κ(X)是删除一些点使得剩余的图不再强连通的最小点数.若有向图X的连通度恰好达到最小度,则有向图X是极大连通的.证明了强连通点传递二部有向图是极大连通的,并得出Bi-Cayley有向图也是极大连通的.

基于二部图矩阵的一致性多视图聚类

为了充分利用一致性信息,提升聚类性能与自适应能力,提出一种基于二部图矩阵的一致性多视图聚类方法。通过少量代表不同视图的统一锚定点表示一致性信息,将它们融合生成统一的图矩阵。另外以一种相互加强的方式确定连续锚点,从而自动确定每个二部图的权重。进一步通过交替优化逐步求解变量优化问题。在合成数据集和真实数据集上的实验结果证明了该方法在聚类精度与自适应能力上的优越性。

完全二部图K5,n(n ≥ 7114)的点被多重集可区别的E-全染色

利用反证法、色集合事先分配法以及构造具体染色等方法,探讨了完全二部图K5,n(n ≥ 7114)的点被多重集可区别的E-全染色,确定了这一类图的点被多重集可区别的E-全色数。

完全正则三部图与二部图的笛卡尔积的亏格

设Km,m,m(m≥1)是一个完全正则三部图,G是一个围长大于4的二部图.当G的最大度不大于2m时,本文得到完全正则三部图Km,m,m与G的笛卡尔积的亏格.我们的结果推广了Bonnington和Pisanski关于Km,m,m与偶圈的笛卡尔积的亏格.此外,我们还得到了Km,m,m与一些非二部图的笛卡尔积的不可定向亏格.

半正则二部图的补图生成树计数的一种新方法

一个二部图G = (U, V, E)是半正则当且仅当同一部顶点集的两个顶点的度相等。 进一步,设G = (V1, V2, E)是一个二部划分为(V1, V2)的连通二部图,即V1 ∪ V2 = V (G) 且V1 ∩ V2 = ∅。 若G满足|V1| = s, |V2| = t,且∀ui ∈ V1, dG(ui) = x (i = 1, . . . , s), ∀vj ∈ V2, dG(vj ) = y (j = 1, . . . , t),则称G是一个半正则二部图,记作G = (s, t;x, y)。 利用Kirchhoff矩阵-树定理和矩阵的Schur补,本文得到一种半正则二部图的补图的生成树计数一般公式,并得到一些特殊半正则二部图补图的生成树数目计数公式。

关于C4对扫帚图和双星图的二部Ramsey数

给定简单二部图G1,G2,二部Ramsey数BR(G1G2)表示最小的正整数N,使得对完全二部图KN,N的任意生成子图G,要么G包含G1,要么G包含G2,其中G为G关于KN,N的补图。本文主要研究了C4对扫帚图Bk,m以及双星图B(n,m)这两类特殊类型的树的二部Ramsey数。

基于加权二部图的个性化推荐算法

针对网络推断(NBI)算法的二部图实现算法忽略二部图权重而导致实际评分值高的项目没有得到优先推荐这一问题,提出加权网络推断(WNBI)算法的加权二部图实现算法。该算法以项目的评分作为二部图中用户与项目的边权,按照用户项目间边权占该节点权重和的比例分配资源,从而实现评分值高的项目得到优先推荐。通过在数据集MovieLens上的实验表明,相比NBI算法,WNBI算法命中高评分值项目数目增多,同时在推荐列表长度小于20的情况下,命中项目的数量和命中高评分项目数量均有明显增加。

基于二部图匹配算法的新高考专业历史数据追踪研究

新高考要求按专业填报志愿,精准志愿填报需根据专业历史数据准确预测当年该专业可能的录取分数。针对新高考海量专业录取分数预测过程中,专业名称变化导致的自动历史数据追踪难的问题,设计了一种基于二部图最优匹配的专业历史数据追踪算法。该算法基于编辑距离构建了专业名称相似度测度,使用二部图最优匹配解决了最大相似度匹配导致的多对一匹配问题,强制专业名称前两个汉字相同的匹配规则可避免因字符串包含导致的匹配错误。

4限制边连通二部图的充分条件

设G是一个4限制边连通图,主要研究含有(4,4)-距离点集对的4限制边连通二部图的最优性.