线性有源网络主子图的直接产生

本文提出了由混合图G_c直接成批产生主子图的方法,使线性有源网络的主子图分析法成为有效算法。

基于最大主子图分解的贝叶斯网络等价类学习算法

针对基于约束方法学习贝叶斯网络(BN)结构的不足,以及随着条件集的增大,利用统计方法进行条件独立(CI)测试不稳定等问题,提出一种基于最大主子图分解(MPD)的BN等价类学习算法.该算法首先通过MPD分解技术对BN的道德图进行分解;然后利用0阶和1阶CI测试识别部分子图中的V结构,对于初步未定的V结构利用局部评分搜索确定,从而避免了冗余检验,有效地减小了条件集的维数,并且提高了算法的效率.理论证明和实验结果均表明了所提出算法的有效性和合理性.

两图同构的一个必要条件和一个充要条件

本文给出了两个图同构的一个必要条件,从而提出了判定两图不同构的一个方法;文中还利用重构图中一个已有的结论,给出了两个图同构的一个充分必要条件,从而为判定两图同构提供了一个新的方法。

类星图的2种度结合重构数

通过分析类星图的一个度结合主子图可能重构的图的结构,确定了它的2种度结合重构数.研究类星图的重构数推广了星图的相关结论,丰富了结构图论的内容.

冠图P_2·C_m的2种度结合边重构数

通过分析冠图P2·Cm的一个边主子图可能重构的图的结构,确定了它的2种边度结合重构数,进一步丰富了结构图论的内容.

冠图K_n·K_m的两种边度结合重构数

图的重构猜想是Ulam和Kelly在20世纪中叶提出的一个著名的难题,之后,Harary提出边重构猜想,它是指任何一个至少含有4条边的图能够被它的边主子图集所唯一确定,通过分析冠图K_n·K_m的一个边主子图可能重构的图的结构,从而确定了它的两种边度结合重构数,进一步丰富了结构图论的内容。

一类冠图的2种度结合边重构数

根据冠图P_n·C_m的结构特点,通过分析P_n·C_m的一个度结合边主子图可能重构的图的结构,确定了它的2种度结合边重构数,推广了关于路与圈的冠图的相关结论.

冠图PnoCm的两种度结合重构数

在20世纪中叶,Ulam和Kelly提出图的重构猜想,它是指任何一个至少含有3个顶点的图能够被它的主子图集所唯一确定,通过结合度参数,对冠图PnoCm的一个主子图所有可能重构的图的结构进行分析,从而确定了它的度结合重构数和一致度结合重构数,进一步丰富了结构图论的内容。

冠图P_3·C_m的两种度结合边重构数

边重构猜想是指至少含有边的图能被它的边主子图集所决定,通过分析冠图的一个边主子图可能重构的图的结构,确定了它的两种边度结合重构数,进一步丰富了结构图论的内容.

基于全条件独立的贝叶斯网络MPD-JT构造算法

针对求解贝叶斯网络最大主子图存在的NP(non-deterministic polynomialtine)难问题,提出了一种基于全条件独立结构的最大主子图连接树(maximal prime sub-graph decomposition junction tree,MPD-JT)构造算法。该算法通过道义图上的全条件独立结构得到贝叶斯网络最大主子图,并利用构成这些最大主子图的节点作为簇节点构造连接树,避免了三角化过程,而且在求解过程中通过删除一些符合条件的点,大大降低了算法复杂度。给出了算法的理论证明,通过具体案例分析验证了算法的有效性。

基于贝叶斯网络优化算法的采集终端故障预测系统设计与应用

针对采集终端运行存在的潜在故障风险,对其进行合理的运行状态评估,从而实现对采集终端故障的预测。采用贝叶斯网络算法建立采集终端故障预测模型,考虑到采集终端特征参数较多且关联复杂等问题,使用最大主子图分解技术对电力领域专家构建的贝叶斯网络关联图加以简化,随后采用条件独立测试与局部评分测试对关联图进行属性关联挖掘,从而使贝叶斯网络算法得以优化,全面客观地实现对在运采集终端的状态评估,提高系统预测的准确率,并以重庆市电力公司用电信息采集系统为试验平台,验证了该方法的高效性与可行性。

基于混合方式的贝叶斯网络结构学习

基于最大主子图分解技术和遗传算法,提出了一种混合方式的贝叶斯网络结构学习算法。该算法首先根据领域知识和观察数据构造网络的无向独立图,并对其进行最大主子图分解,再利用遗传算法学习每个子图的结构,同时进行合并修正得到最优的贝叶斯网络结构。分解过程将一个学习大网络问题转化为小子图的学习问题,降低了搜索空间。仿真结果表明,新算法的学习效果与运行效率均有明显提高。