期刊文献+
共找到20篇文章
< 1 >
每页显示 20 50 100
无符号Laplacian矩阵特征值的界
1
作者 于桂海 《高师理科学刊》 2008年第2期7-9,共3页
设G为具有n个顶点的简单连通图,矩阵Q(G)=D(G)+A(G)称为图G的无符号Laplacian矩阵,研究了图的无符号Laplacian矩阵,利用特殊的不等式给出了无符号Laplacian矩阵的最大和最小特征值的几个界.
关键词 laplacian矩阵 无符号Laplacain矩阵 特征值 特征向量
下载PDF
混合图的Laplacian特征向量
2
作者 崔淑玉 张先迪 《电子科技大学学报》 EI CAS CSCD 北大核心 2007年第S1期363-364,381,共3页
给出了混合图的Laplacian特征向量的四个原则:边原则、减少和延伸原则、配对原则、收缩原则,研究了通过加边、合并点等对混合图的Laplacian特征值和特征向量的影响.借助于这些原则,可由一个结构上较简单的混合图的Laplacian特征值和特... 给出了混合图的Laplacian特征向量的四个原则:边原则、减少和延伸原则、配对原则、收缩原则,研究了通过加边、合并点等对混合图的Laplacian特征值和特征向量的影响.借助于这些原则,可由一个结构上较简单的混合图的Laplacian特征值和特征向量,求出一个结构上较复杂的混合图的Laplacian特征值. 展开更多
关键词 特征值 特征向量 laplacian特征值 混合图
下载PDF
拉普拉斯特征向量相关谱及其在滚动轴承故障诊断中的应用 被引量:3
3
作者 欧璐 于德介 王翠亭 《振动工程学报》 EI CSCD 北大核心 2014年第5期748-754,共7页
为了将谱方法的模式识别能力应用于机械故障诊断领域,提出了拉普拉斯特征向量相关谱,并应用于滚动轴承故障诊断。拉普拉斯特征向量相关谱定义为拉普拉斯矩阵特征向量之间夹角余弦的绝对值,由特征集的拉普拉斯矩阵进行标准正交分解后得到... 为了将谱方法的模式识别能力应用于机械故障诊断领域,提出了拉普拉斯特征向量相关谱,并应用于滚动轴承故障诊断。拉普拉斯特征向量相关谱定义为拉普拉斯矩阵特征向量之间夹角余弦的绝对值,由特征集的拉普拉斯矩阵进行标准正交分解后得到,具有计算过程简单、运算速度快等特点。基于拉普拉斯特征向量相关谱的滚动轴承故障诊断方法首先在时域、频域和能量熵域对滚动轴承振动信号进行特征提取,组成特征集;然后对特征集的拉普拉斯矩阵进行标准正交分解,计算拉普拉斯特征向量相关谱;最后通过相关谱矩阵实现滚动轴承不同故障类型的识别。应用实例表明,该方法能有效识别滚动轴承故障。 展开更多
关键词 故障诊断 特征提取 拉普拉斯特征向量 相关谱
下载PDF
基于拉普拉斯矩阵特征向量的运动链规范排序 被引量:2
4
作者 王学林 胡于进 李成刚 《中国机械工程》 EI CAS CSCD 北大核心 2004年第20期1830-1834,共5页
基于代数图论的理论 ,提出根据图的拉普拉斯矩阵第二和最大特征向量对运动链规范排序的方法和对运动链进行编码的方法 ,讨论了这种排序方法的应用 。
关键词 运动链 同构 拉普拉斯矩阵 特征向量
下载PDF
基于均值的谱聚类特征向量选择算法 被引量:4
5
作者 王森洪 戴青云 +1 位作者 曹江中 朱婧 《计算机与现代化》 2013年第5期7-9,共3页
在数据聚类当中,谱聚类是最流行的方法之一,其性能取决于所选取相关图的拉普拉斯(Laplacian)矩阵的特征向量。对于一个K类问题,Ng-Jordan-Weiss(NJW)谱聚类算法通常采用Laplacian矩阵的前K个最大特征值对应的特征向量作为数据的一种表... 在数据聚类当中,谱聚类是最流行的方法之一,其性能取决于所选取相关图的拉普拉斯(Laplacian)矩阵的特征向量。对于一个K类问题,Ng-Jordan-Weiss(NJW)谱聚类算法通常采用Laplacian矩阵的前K个最大特征值对应的特征向量作为数据的一种表示。然而,对于某些分类问题,这K个特征向量不一定能够很好地体现原始数据的信息。本文提出一种基于均值的谱聚类特征向量选择算法。该算法首先得出图的Laplacian矩阵的前3K个最大特征值的均值,然后选取K个离均值最近的特征值所对应的特征向量。相比传统谱聚类算法,该算法在UCI数据集上获得了较好的聚类性能。 展开更多
关键词 谱聚类 laplacian矩阵 特征值 均值 特征向量选择
下载PDF
关于混合图的特征向量的结构(英文) 被引量:1
6
作者 范益政 《黑龙江大学自然科学学报》 CAS 2004年第4期50-54,共5页
设G为一个混和图. 它是通过对一个无向图定向其中的某些边而获得. 若G 为简单图, 关于G的对应次小特征值的特征向量的结构, Fiedler 给出一个值得注意的结论. 当G 为恰含一个非奇异圈的混合图时, 关于G的对应最小特征值的特征向量的结... 设G为一个混和图. 它是通过对一个无向图定向其中的某些边而获得. 若G 为简单图, 关于G的对应次小特征值的特征向量的结构, Fiedler 给出一个值得注意的结论. 当G 为恰含一个非奇异圈的混合图时, 关于G的对应最小特征值的特征向量的结构, 根据Fiedler 的结论, 获得一个类似结果. 展开更多
关键词 混合图 Laplace特征向量 Fiedler向量 非奇异圈
下载PDF
Universal relation for transport in non-sparse complex networks
7
作者 王延 杨晓荣 《Chinese Physics B》 SCIE EI CAS CSCD 2015年第11期643-649,共7页
Transport properties of a complex network can be reflected by the two-point resistance between any pair of two nodes. We systematically investigate a variety of typical complex networks encountered in nature and techn... Transport properties of a complex network can be reflected by the two-point resistance between any pair of two nodes. We systematically investigate a variety of typical complex networks encountered in nature and technology, in which we assume each link has unit resistance, and we find for non-sparse network connections a universal relation exists that the two-point resistance is equal to the sum of the inverse degree of two nodes up to a constant. We interpret our observations by the localization property of the network's Laplacian eigenvectors. The findings in this work can possibly be applied to probe transport properties of general non-sparse complex networks. 展开更多
关键词 TRANSPORT complex networks two-point resistor laplacian eigenvectors
下载PDF
一类混合图的结构及其特征空间
8
作者 李小新 范益政 《大学数学》 北大核心 2008年第2期66-70,共5页
主要讨论具有如下性质的一类连通混合图G:其所有非奇异圈恰有一条公共边,且除了该公共边的端点外,任意两个非奇异圈没有其它交点.本文给出了图G的结构性质,建立了其最小特征值λ1(G)(以及相对应的特征向量)与某个简单图的代数连通度(以... 主要讨论具有如下性质的一类连通混合图G:其所有非奇异圈恰有一条公共边,且除了该公共边的端点外,任意两个非奇异圈没有其它交点.本文给出了图G的结构性质,建立了其最小特征值λ1(G)(以及相对应的特征向量)与某个简单图的代数连通度(以及Fiedler向量)之间联系,并应用上述联系证明了λ1(■)≤α(G),其中G是由G通过对其所有无向边定向而获得,α(■)为■的代数连通度. 展开更多
关键词 混合图 LAPLACE特征值 特征向量 代数连通度
下载PDF
图的拉普拉斯谱半径对应的特征向量性质及其应用 被引量:3
9
作者 汪秋分 宋海洲 《华侨大学学报(自然科学版)》 CAS 北大核心 2014年第1期107-111,共5页
研究图的拉普拉斯谱半径对应的特征向量的性质及应用,并得到一些有关图的移接变形对拉普拉斯谱半径影响的结果.
关键词 连通图 拉普拉斯谱半径 移接变形 特征向量
下载PDF
拉普拉斯矩阵在聚类中的应用 被引量:4
10
作者 刘颖 张艳邦 《天津科技大学学报》 CAS 2019年第3期76-80,共5页
高维数据受冗余数据和噪声数据的影响,聚类效率和准确率低,基于拉普拉斯矩阵的特征值和特征向量的特点,介绍了一种适用于高维数据的新的聚类中心选择算法,算法将拉普拉斯矩阵用于候选聚类中心选择前的数据降维处理,经过对数据进行降维处... 高维数据受冗余数据和噪声数据的影响,聚类效率和准确率低,基于拉普拉斯矩阵的特征值和特征向量的特点,介绍了一种适用于高维数据的新的聚类中心选择算法,算法将拉普拉斯矩阵用于候选聚类中心选择前的数据降维处理,经过对数据进行降维处理,提高了候选聚类中心的准确性,增大了聚类准确率,扩大了聚类数据的种类范围.在10个包含不同数量样本、维度、类别数的数据集上进行了聚类分析,实验结果表明了基于拉普拉斯降维的新聚类中心选择方法的有效性. 展开更多
关键词 拉普拉斯矩阵 聚类 特征值 特征向量
下载PDF
非负张量与超图的主特征向量(英文) 被引量:1
11
作者 孙丽珠 陈海燕 卜长江 《黑龙江大学自然科学学报》 CAS 2018年第6期655-661,共7页
非负弱不可约张量的谱半径是它的正特征值,该正特征值对应的单位正特征向量称为张量的主特征向量;张量的主特征向量的最大分量与最小分量的比值称为张量的主比率。给出非负弱不可约张量主比率和主特征向量分量的一些界;由于连通一致超... 非负弱不可约张量的谱半径是它的正特征值,该正特征值对应的单位正特征向量称为张量的主特征向量;张量的主特征向量的最大分量与最小分量的比值称为张量的主比率。给出非负弱不可约张量主比率和主特征向量分量的一些界;由于连通一致超图的无符号拉普拉斯张量是非负弱不可约张量,得到连通一致超图的符号拉普拉斯张量的主特征向量的分量和主比率的一些界。 展开更多
关键词 非负张量 一致超图 无符号拉普拉斯张量 主特征向量
下载PDF
多圈图类的特征值问题研究
12
作者 王文涛 蔡俊亮 詹福琴 《北京师范大学学报(自然科学版)》 CAS CSCD 北大核心 2015年第1期23-27,共5页
讨论了在特定结构的双圈图和多圈图中,2作为其拉普拉斯特征值的存在性及其重数,而运用的主要方法是给顶点赋值寻找一符合特定特征值要求的特征向量来反过来确定对应的特征值.
关键词 双圈图 多圈图 拉普拉斯特征值 特征向量
下载PDF
关于图的无符号拉普拉斯矩阵的两个结果(英文)
13
作者 吴旻 潘永亮 《中国科学技术大学学报》 CAS CSCD 北大核心 2014年第3期173-175,共3页
设G是具有n个顶点和m条边的简单无向图,Q(G)是图G的无符号拉普拉斯矩阵.讨论了Q(G)的谱半径和与谱半径对应的特征向量的分量.
关键词 无符号拉普拉斯矩阵 谱半径 主特征向量
下载PDF
双圈混合图特征向量的结构
14
作者 谭莹莹 龚世才 《安徽建筑工业学院学报(自然科学版)》 2006年第1期6-9,共4页
对于非奇异单圈混合图,范益政给出了其最小特征值所对应特征向量的一个很好结构性质。对于非奇异双圈混合图,本文对双圈点数较少的若干图进行讨论,发现其最小特征值所对应的特征向量与单圈混合图的情形有类似的结构性质。
关键词 LAPLACE矩阵 特征向量
下载PDF
基于信号稀疏优化的3D模型颜色纹理修复
15
作者 胡玲 李钦松 +1 位作者 刘圣军 郭啸 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第4期673-680,共8页
在实际工作中,由于扫描设备的局限性等原因易造成3D模型表面颜色纹理的缺损,为此,利用非规则空间信号的稀疏表示提出了一种直接修复3D模型表面颜色纹理的方法.首先将3D网格模型各顶点处的RGB值分别视为定义在2D流形曲面上的3个离散信号... 在实际工作中,由于扫描设备的局限性等原因易造成3D模型表面颜色纹理的缺损,为此,利用非规则空间信号的稀疏表示提出了一种直接修复3D模型表面颜色纹理的方法.首先将3D网格模型各顶点处的RGB值分别视为定义在2D流形曲面上的3个离散信号,选取3D网格曲面上的拉普拉斯矩阵的特征向量集作为字典;然后,利用在此字典中颜色信号表示系数的稀疏性,对表面颜色有缺失的3D网格曲面,以待修复颜色信号表示系数的稀疏性作为目标,以模型完好部分颜色值的保真作为约束建立稀疏优化目标函数;最后,求解该优化问题得到修复后的颜色信号.实验证明,由于拉普拉斯矩阵的特征向量具有良好的全局性和内蕴性,使得在缺失部分重建出的颜色信号高度逼近原始的颜色纹理,且与已知部分整体保持一致. 展开更多
关键词 拉普拉斯矩阵 3D模型 颜色纹理修复 稀疏优化 特征向量 特征值
下载PDF
一种基于流形距离核的谱聚类和量子聚类融合算法
16
作者 马宇红 李兴义 +1 位作者 薛生倩 王小小 《西北师范大学学报(自然科学版)》 CAS 北大核心 2023年第2期37-46,共10页
谱聚类是一种基于图谱划分理论的聚类算法,本质上是将聚类问题转化为图的最优划分问题;量子聚类可以充分挖掘数据样本的内在信息,是一种基于划分的无监督聚类算法.为了充分发挥谱聚类算法和量子聚类算法的优势,本文提出了一种基于流形... 谱聚类是一种基于图谱划分理论的聚类算法,本质上是将聚类问题转化为图的最优划分问题;量子聚类可以充分挖掘数据样本的内在信息,是一种基于划分的无监督聚类算法.为了充分发挥谱聚类算法和量子聚类算法的优势,本文提出了一种基于流形距离核的谱聚类和量子聚类融合算法(MFD-NJW-QC).首先,计算数据集的流形距离核矩阵,构造相应的拉普拉斯矩阵;其次,根据拉普拉斯矩阵的若干最大特征值对应的特征向量构造新数据集,并使用量子聚类算法对新构造的数据集进行聚类,从而得到原始数据的类标签;最后,基于7个人工数据集和5个UCI数据集验证MFD-NJW-QC算法的聚类性能.结果显示,MFD-NJW-QC算法能够明显提高聚类性能,尤其对于具有流形结构,且类簇大小不平衡、密度分布不均匀的数据集优势更为突出. 展开更多
关键词 流形距离核 谱聚类 量子聚类 拉普拉斯矩阵 特征向量
下载PDF
非负张量和超图的主特征向量
17
作者 郝焕焕 《中国科学技术大学学报》 CAS CSCD 北大核心 2019年第11期897-901,共5页
令T是一个非负不可约张量,Q(G)是一个连通一致超图的无符号拉普拉斯向量.分别给出了T和Q(G)主比率的一些界以及主特征向量元素的一些界.
关键词 非负弱不可约张量 一致超图 无符号拉普拉斯张量 主特征向量
下载PDF
On Edge Singularity and Eigenvectors of Mixed Graphs
18
作者 Ying Ying TAN Yi Zheng FAN 《Acta Mathematica Sinica,English Series》 SCIE CSCD 2008年第1期139-146,共8页
Let G be a mixed glaph which is obtained from an undirected graph by orienting some of its edges. The eigenvalues and eigenvectors of G are, respectively, defined to be those of the Laplacian matrix L(G) of G. As L... Let G be a mixed glaph which is obtained from an undirected graph by orienting some of its edges. The eigenvalues and eigenvectors of G are, respectively, defined to be those of the Laplacian matrix L(G) of G. As L(G) is positive semidefinite, the singularity of L(G) is determined by its least eigenvalue λ1 (G). This paper introduces a new parameter edge singularity εs(G) that reflects the singularity of L(G), which is the minimum number of edges of G whose deletion yields that all the components of the resulting graph are singular. We give some inequalities between εs(G) and λ1 (G) (and other parameters) of G. In the case of εs(G) = 1, we obtain a property on the structure of the eigenvectors of G corresponding to λ1 (G), which is similar to the property of Fiedler vectors of a simple graph given by Fiedler. 展开更多
关键词 mixed graphs edge singularity laplacian eigenvectors
原文传递
谱聚类中特征向量的Bagging选取方法 被引量:2
19
作者 王兴良 王立宏 李海军 《山东大学学报(工学版)》 CAS 北大核心 2013年第2期35-41,共7页
谱聚类算法中用亲和矩阵特征值最大的k个特征向量并不总是能有效地发现数据集的结构。为了选取较好特征向量,提出了一种特征向量的Bagging选取算法。以成对约束计分方法为评价标准,对特征向量进行评价并选出较好的特征向量,将多次选择... 谱聚类算法中用亲和矩阵特征值最大的k个特征向量并不总是能有效地发现数据集的结构。为了选取较好特征向量,提出了一种特征向量的Bagging选取算法。以成对约束计分方法为评价标准,对特征向量进行评价并选出较好的特征向量,将多次选择的特征向量进行Bagging集成(Bootstrap aggregating),得出k个特征向量的组合。该算法能够较好地选取出特征向量,根据UCI实验数据集的测试,证实该算法对测试数据集可以得出较好的预测结果。 展开更多
关键词 特征向量选择 谱聚类 Bagging方法 约束计分 拉普拉斯矩阵
原文传递
AN EFFECTIVE CONTINUOUS ALGORITHM FOR APPROXIMATE SOLUTIONS OF LARGE SCALE MAX-CUT PROBLEMS
20
作者 Cheng-xian Xu Xiao-liang Feng-min Xu 《Journal of Computational Mathematics》 SCIE CSCD 2006年第6期749-760,共12页
An effective continuous algorithm is proposed to find approximate solutions of NP-hard max-cut problems. The algorithm relaxes the max-cut problem into a continuous nonlinear programming problem by replacing n discret... An effective continuous algorithm is proposed to find approximate solutions of NP-hard max-cut problems. The algorithm relaxes the max-cut problem into a continuous nonlinear programming problem by replacing n discrete constraints in the original problem with one single continuous constraint. A feasible direction method is designed to solve the resulting nonlinear programming problem. The method employs only the gradient evaluations of the objective function, and no any matrix calculations and no line searches are required. This greatly reduces the calculation cost of the method, and is suitable for the solution of large size max-cut problems. The convergence properties of the proposed method to KKT points of the nonlinear programming are analyzed. If the solution obtained by the proposed method is a global solution of the nonlinear programming problem, the solution will provide an upper bound on the max-cut value. Then an approximate solution to the max-cut problem is generated from the solution of the nonlinear programming and provides a lower bound on the max-cut value. Numerical experiments and comparisons on some max-cut test problems (small and large size) show that the proposed algorithm is efficient to get the exact solutions for all small test problems andwell satisfied solutions for most of the large size test problems with less calculation costs. 展开更多
关键词 Max-cut problems ALGORITHM Feasible direction method laplacian matrix eigenvectors.
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部