给定最大匹配数的树的零阶广义Randi'c指标的界

图G的零阶广义Randi'c指标定义为0Rα(G)=∑v∈V(G)d(v)α,其中d(v)为G的顶点v的度,α为非零实数.当-1≤α<1,α≠0时,本文确定了给定最大匹配大小的一类树图的零阶广义Randi'c指标的界,并给出了达到最小值和最大值的树图的刻划.

给定最大匹配数的树的零阶广义Randi指标

图G的零阶广义Randi指标定义为0Rα(G)=v∈V(G)d(v)α,其中d(v)为图G的顶点v的度,α为任意实数.研究了树的零阶广义Rα指标的极值问题,利用分析和图的理论,确定了任意给定最大匹配数的树的最大和最小Rα的值,并刻画了达到该极值的树.

正盈量二部图的最大匹配数下界的紧性

无向简单图G的亏度(deficiency)是未被最大匹配所覆盖的顶点数;一个二部图G(A,B)具有正盈量(positivesurplus)(对A而言)当且仅当对A的任何非空集合X所包含的顶点数一定小于其邻集所包含的顶点数。对具有正盈量的二部图,刻画了其当亏度def(G)给定时达到最大匹配数下界的二部图,从而验证了此类二部图最大匹配数下界的紧性。

两个文本最大匹配参数算法

介绍一种在文本间比较并求出最大匹配字符数的一个算法,该算法可用于无纸化考试中的打字试题的 计算机自动阅卷系统中,也可以用于文字类信息相似度的检测,对涉嫌抄袭或剽窃的行为给出一个客观的评价参数。

一种基于点模式匹配的指纹识别方法

把指纹用于身份认证已有上百年的历史 ,自动指纹识别 (AFIS)已在各个领域广泛应用 ,除了传统的司法公安领域 ,自动指纹识别还可以作为计算机操作系统和网络访问认证用户的手段 ,以及用于金融保险方面的身份确认。指纹匹配是AFIS的最重要问题之一。一般用脊线的分歧点和端点这样的细节点来表示一个指纹 ,并通过细节匹配来进行指纹匹配。这样指纹匹配就转化为点模式匹配的问题。传统的点模式匹配算法存在运算量过大且难于解决所有的非弹性形变等问题。文章提出了一种基于聚类的点模式匹配方法 ,来进行指纹识别 ,有效地解决了如何对数量和位置都不尽相同的两幅指纹细节图象进行最优匹配的问题 ,设计并给出了利用矢量对匹配确定图象间校准函数的流程。