无符号Laplace矩阵第二大特征值的界

设G是一个简单连通图,Q(G)是它的无符号Laplace矩阵。本文主要研究Q(G)的第二大特征值,证明D.Cvetkovic,P.Rowlinson,et al.的文章"Eigenvalue bounds for the signless Laplacian"中的五个猜想。

几类图的无符号Laplace矩阵的行列式

我们知道n个顶点的图G的无符号Laplace特征多项式为σ(G;λ)=det(λIn-Q(G))=sum i=0 from to n(-1)ibiλn-i,Cvetkovic等[6]给出了其系数bi的组合解释.我们发现det(Q(G))的值恰好是常数项系数bn.于是可以根据bn的组合解释来讨论图G的无符号Laplace矩阵的行列式.本文主要研究n个顶点的树、连通单圈图与连通双圈图的无符号Laplace矩阵的行列式的计算问题,给出了计算这些图类的无符号Laplace矩阵的行列式的一般方法,对研究图的无符号Laplace矩阵的行列式有着重要的意义.

给定独立数的连通图的无符号Laplace谱半径(英文)

本文刻画取得给定阶数和独立数连通图的谱半径最大值的图的结构,对特殊独立数也给出取得最小谱半径图的结构.

给定染色数的无符号Laplace谱半径(英文)

设Gkn(k≥2)为n阶的染色数为k的连通图的集合.本文确定了Gnk中具有极大无符号Laplace谱半径的图,即k =2时为完全二部图,k≥3时为Turán图.本文也讨论了Gnk中的具有极小无符号Laplace谱半径的图,对k≤3的情形给出了此类图的刻画.

含割点的连通图的最小距离无符号Laplace谱半径

在含割点的n阶连通图类中,通过运用特征向量研究特征值的方法,确定了具有最小距离无符号Laplace谱半径的唯一的图,并且给出了距离无符号Laplace谱半径关于阶数n的一个下界.

结合无符号Laplace谱特征的触觉步态识别算法

针对单纯利用压力点分布特征进行触觉步态识别的不足,提出了一种结合无符号Laplace谱特征的动态触觉步态识别算法。利用足底压力数字化场地采集常速、快速和慢速三种情况下的触觉步态数据,生成足底压力分布图像,并根据足底解剖学的结构划分区域;以足底压力图像各区域为节点构造结构图,并采用无符号Laplace矩阵表示;通过对该矩阵进行奇异值分解(Singular Value Decomposition,SVD)获取谱特征,并结合形状特征得到触觉步态特征;选择"一对一"的支持向量机(Support Vector Machine,SVM)多分类方法,按照人在行走过程中不同的速度分别构造分类器,从而实现动态触觉步态的识别。实验结果表明该识别算法对不同速度样本数据的触觉步态识别正确率都较高。

s=4的完全多部图K_(a_1n_1,a_2n_2,…,a_sn_s)的无符号Laplace特征多项式

文中计算得到了完全多部图K(n1,n2,…,n)t=Ka1n1,a2n2,…,asns当s=4时的无符号Laplace特征多项式。

图的规范化Laplace和规范化无符号Laplace特征多项式

利用行列式的性质,首先基于图G的Randic矩阵的特征多项式给出规范化Laplace和规范化无符号Laplace特征多项式;其次,借助导出子图的特征多项式表示出Randic矩阵以及规范化Laplace和规范化无符号Laplace矩阵的特征多项式;最后,给出图G的Middle图的特征多项式.

图的无符号Laplace特征多项式的系数

我们考虑一般的连通图G的Laplace特征多项式f(G;x)与它的剖分图S(G)的特征多项式h(S(G);x)之间会有什么关系,发现这两个多项式的系数是否以及何时存在差别,并刻画系数差的表达式.研究过程中,我们发现图G的无符号Laplace特征多项式g(G;x)是一个重要的桥梁.于是我们对其系数也进行研究,得到另一种新的方法证明图的无符号Laplace特征多项式系数的组合解释.

图的无符号Laplace HOMO-LUMO指数的一个注记

本文中,根据图的平均度给出了无符号Laplace矩阵HOMO-LUMO指数的一个上界.

一种计算传递矩阵H_∞范数的快速方法──矩阵广义符号函数法

本文提出了一种基于矩阵广义符号函数的传递函数阵Ｈ∞范数的快速计算方法．这一方法避免了以往方法中必须采用的哈密顿阵的特征值计算问题，大大加快了计算速度．

含有符号矩阵的Hadamard积的性质

给出了含符合矩阵的性质及数值特征．

带符号矩阵的Hadamard积与复合矩阵的几个性质

给出了含符号矩阵及复合矩阵的几个性质。

符号非异矩阵的S＊—开拓

198 4年 ,V .Klee ,R .Lander,R .Manber给出了一个对角元全负的SNS阵A可开拓为S 阵的一个充分条件 ,但是这个充分条件不是必要的 .在此将给出一个对角元全负的SNS阵可开拓为S 阵的若干充要条件 .这实际上也解决了ShaoJia yu和HwangSuk geun提出的关于nearlyL

Linex损失函数下Laplace分布尺度参数的Bayes估计

在经典贝叶斯统计推断与统计的决策中,Bayes估计的性能主要取决于损失函数的形式,先验分布的不同也会对Bayes估计的结果产生差别。在Linex损失函数下,基于Bayes方法研讨Laplace分布的尺度参数估计。当Laplace分布中位置参数已知时,分别取无先验信息和先验分布为倒伽马分布,计算尺度参数的Bayes估计精确形式和性质,证明了Bayes估计具备可容许性。

“传统聚落”内的民俗体育与舞蹈——宋江阵的宗族文化符号研究

“传统聚落”最为显现的特质之一即宗族文化,以宗族文化滋养下的闽南传统聚落表现出一种山水情怀与宗族纽带的精神气质.宋江阵是闽南地区传统聚落的典型宗族符号,与宗族文化呈现着千丝万缕的纽带关系,表现着深刻的的审美情趣与较高的文化价值.

基于邻接矩阵的电路信号流图分析法

提出新的电路信号流图分析法,该方法以线性时不变电路的邻接矩阵为基础,先构造出对应的信号流图矩阵,再按照一种异于梅逊公式的方法对信号流图矩阵元素进行处理得到待求参量的符号解。方法操作灵活,便于计算机实现;理论分析和实验表明当电路节点数目增大时,该方法在运算复杂度及运算规模增速上与已有方法相比优势明显。另外,通过将其与节点撕裂法相结合,计算机处理符号类型电路的效率可以得到进一步提升。

符号检测辅助的最大信干噪比干扰对齐算法研究

在K×K用户多输入多输出(MIMO)通信系统中,提出了一种符号检测辅助的最大信干噪比(SDA-MAX-SINR)干扰对齐(IA)算法。首先利用传统最大信干噪比(MAX-SINR)干扰对齐算法检测接收信号,其次直接利用检测的接收信号,基于最大信干噪比准则迭代计算接收端干扰抑制矩阵和发射端预编码矩阵。仿真结果表明,与传统的最大信干噪比干扰对齐算法相比,文中所提出的符号检测辅助的最大信干噪比干扰对齐算法在系统的均方误差(MSE)和误码率(BER)上的性能均有明显的改善。

方ray可解方程组与rayS^＊-阵的图论特征

给出了系数矩阵为方阵的复线性方程组为ray可解、非负ray可解及全非零ray可解等的图论特征刻画,得到了这些方程组的解的ray模式的图论表述.应用这些结论还给出了ray S*-阵和ray S-阵的图论特征刻画,及其他若干类特殊的复线性方程组的ray可解性条件.

空间通信远距离非均匀天线组阵技术研究

介绍了用于深空通信的天线组阵技术中常用的SIMPLE和SUMPLE信号合成算法。根据远距离天线组阵的特点,采用符号流合成(SSC)方法对信号进行合成,用快速傅里叶变换(FFT)实现信号互相关来自适应地消除时差,用最小均方(LMS)误差算法实现最大比合成(MRC)。仿真结果表明:可实现300Mbit/s数据速率的信号接收,信号合成增益相对于理论增益损失在0.3dB以内,系统在信噪比(SNR)为-3dB的条件下仍能正常工作。文章采用的方法,可用于远距离非均匀天线组阵,也可用于具有较高数据传输速率的航天器通信。