立方路的多级距离数

连通图G的多级距离标号(电台标号)是顶点集V(G)到非负整数集{0,1,2,…}的一个映射f,使得对于任意的u,v∈V(G)满足:f(u)-f(v)≥diam(G)+1-d(u,v),其中diam(G)是图G的直径,d(u,v)表示两点u,v之间的距离.映射f的跨度是指max u,v∈V(G){f(u)-f(v)}.图G的多级距离数是指图G的所有多级距离标号的最小跨度.图G的立方是由图G通过在距离不超过3的任两点间添加一条连边构成.本文给出了立方路的多级距离数.

一类特殊对称毛毛虫的多级距离数

考虑一类特殊的对称毛毛虫,即除悬挂点外对称点度数相等的毛毛虫的多级距离数,所得结果改进了相关文献的结论.

基于含参模糊数距离的模糊数排序

为提出新的模糊数排序方法并验证其可行性,首先通过综合考虑区间数中各对应点对区间数距离的影响程度,构造了一种新的区间数距离,并利用该区间数距离建立了一种新的模糊数距离。在此基础之上,给出了一种新的模糊数排序方法,并证明了该方法仍然具备Wang和Kerre提出的关于模糊数排序的一系列性质。最后,通过实例验证了所提模糊数排序方法的可行性与有效性。In order to propose a new fuzzy number ranking method and verify its feasibility, a new interval number distance is constructed by comprehensively considering the influence degree of each corresponding point in the interval numbers on the interval number distance, and a new fuzzy number distance is established by this interval number distance. On this basis, a new fuzzy number ranking method is given, and it is proved that the method still has a series of properties about fuzzy number ranking proposed by Wang and Kerre. Finally, the feasibility and effectiveness of this fuzzy number ranking method are verified by some examples.

基于距离区间数算子的故障模式与影响分析方法

现有故障模式与影响分析(FMEA)方法在属性值为直觉模糊数且风险程度采用确定距离算子度量的情况下,评判专家通常难以精准地描述相关不确定性问题。因此,首先在有序加权距离算子、区间数的理论以及区间数排序方法研究基础上,提出了直觉模糊混合欧氏距离区间数(IFHEDIN)算子及其优良性质。其次,构建基于不确定IFHEDIN算子,改进FMEA方法,以进行产品或者系统故障模式的可靠性分析,并对风险等级进行计算与排序。最后,以实际医院放射肿瘤治疗过程中,故障模式的风险分析以及评价为例,论证了所提方法的有效性、可靠性以及精准性,为相关医疗诊断管理者进行风险应对和控制提供决策支持。

一类特殊毛毛虫的多级距离数

研究了一类特殊的毛毛虫,即除悬挂点外各点度数均相同的毛毛虫,并得出了它的多级距离数.

笛卡尔积图的2-距离色数

图G(V,E)的2-距离染色是指正常的顶点染色,且距离不大于2的任意两个顶点着不同的颜色.给出了笛卡尔积图的一个2-距离色数的可达界,即Δ(G)+Δ(H)+1≤χ2(G×H)≤2χ(G)χ2(H),以及一些特殊笛卡尔积图的2-距离色数,说明此界可达.

最大度为Δ图类的2-距离色数的一个下界

简单图G(V,E)的k-正常染色f称作G的k-2-距离染色,当且仅当w∈V(G),v,u∈N[w],满足f(u)≠f(v).得到了最大度为Δ的图类的2-距离色数的一个下界,χ2(Δ=d)≥(d2+1)2,d≡0(mod 2)(d+1)(d+3)4,d≡1(mod 2)并回答了文献[1]提出的问题:能否找到一常数C,使得χ2(G)≤CΔ(G)对所有图G都成立.证明了这样的C是不存在的.

基于区间数距离的多属性决策方法

文章借鉴属性值偏差最大化思想,利用已有文献给出的区间数距离,讨论了确定属性权重向量的方法,得到了属性权重向量求解公式。在此基础上,研究了多属性决策问题中决策方案排序原理及步骤。通过实例说明了本文所提出方法的简便性和有效性。

基于区间数距离的IGOWLA算子的区间型组合预测模型

在用区间数描述不确定现象的预测问题中,由于每种单项预测方法在各个时点处的精度不同,定权区间型组合预测模型存在权重固定不变的不足.本文引入诱导广义有序加权对数平均(IGOWLA)算子,以区间数距离作为最优准则,构建一种基于区间数距离的IGOWLA算子的变权区间型组合预测模型.实证分析结果显示,本文所构建的区间型组合预测方法可提高预测精度,是一种有效的优性的组合预测方法.

基于期望和宽度的新距离测度的区间数排序

通过考虑两区间数中任意两点之间的偏差,同时减去区间数公共部分中任意两点之间的偏差,利用区间数的期望和宽度,给出了一种新的区间数距离公式,并验证其合理性.最后基于该距离公式对区间数进行排序,并通过实例验证该方法的可行性.

线性预测编码倒谱系数距离(LPC—CD)在语音信号质量客观测度中的应用

文章介绍了一种以计算线性预测编码倒谱系数距离(LPC—CD)作为对受扰语音信号质量评价的客观测度准则。针对不同通信条件,不同干扰样式下的受扰语音信号进行客观测量,并拟合出用客观测量值来预测主观的二次拟合曲线,达到了较高的主客观一致性。

弱直积图的2-距离色数

图G(V,E)的2-距离染色是指正常的顶点染色,且任意距离不大于2的两个顶点着不同的颜色.得到弱直积图的一个2-距离色数的可达界,即Δ(G).Δ(H)+1≤χ2(G×H)≤χ2(G).2χ(H),且给出一些特殊弱直积图的2-距离色数,说明此界可达.如χ2(P2×Pn)=Δ(P2).Δ(Pn)+1=3(n≥3),χ2(Pm×Pn)=Δ(Pm).Δ(Pn)+1=5(m≥3,n≥3)说明下界可达,χ2(Km×Kn)=χ2(Km).2χ(Kn)=mn,说明上界可达.

超立方体网络的距离参数

平均距离、距离独立数和距离控制数都是度量网络性能的重要参数。在某种程度上,平均距离比直径更能衡量网络的性能。确定一般图的距离独立数和距离控制数是NPC问题,对于给定的正整数d和l,确定特殊图类的距离独立数和距离控制数显得很重要。得到超立方体网络的平均距离,以及对于某些正整数d和l,超立方体网络的距离独立数和距离控制数。

无向超环面网的距离参数(英文)

平均距离μ(G),距离控制数γl(G)和距离独立数αd(G)是度量网络性能的重要参数.n维无向超环面网是超立方体的推广.证明了μ(G)=1/d1d2…dn-1n∑i=1(ei2+ei+ei'2-ei'/2·d1d2…dn/di),γ(G)=2当且仅当[e1'+e2'…+en'/2]≤l≤d(G)-1(d1≥d2≥…dn≥4),以及αd(G)=2当[d1+d2+…+dn-2/3]≤d≤d(G)-1(d1≥d2≥…dn≥3).

一种基于动态跳数距离的有洞无线传感器网络定位方法

在无线传感器网络中,与距离无关的定位技术一直是一项挑战性的工作。尤其是在有洞的各向异性网络中,多跳节点之间的距离估算更是一个难点。针对有洞的无线传感器网络,提出一种新的距离无关定位方法,该方法可以较好地估算未知节点到参考节点之间的距离。其主要思想是,先估算各信标节点对之间的平均单跳距离,然后选择平均单跳距离较大并且最短路径通过未知节点的信标节点对作为参考节点来估算未知节点的位置。新算法能够较好地滤除距离估算误差较大的信标节点作为参考节点。实验表明,新算法比以前的算法定位更准确。

单圈图的2-距离色数

图G的2-距离染色是指正常的顶点染色,且任意距离不>2的2个顶点着不同的颜色,研究了单圈图的2-距离染色,给出了单圈图的2-距离色数.

一种物联网框架下传感节点间跳数与距离关系的研究

研究对数阴影衰落模型的无线传感器节点间跳数与距离关系的问题。随机部署在圆形区域内的节点位置服从Poisson分布,节点间自组织构成连通网络。借助于对数阴影衰落模型特征和节点分布规律,给出了已知节点间距的跳数概率分布表达式,同时考虑了多跳依赖问题对分布表达式的影响;基于贝叶斯公式,推导出已知跳数信息的距离分布关系,并进行了实验分析与验证。结果表明,理论的推导结论与实验统计结果具有较好的一致性。

新序关系下模糊数的距离和模糊数列的极限

在新的序关系下,定义了模糊数的距离,并与Hausdorff意义下的距离做了比较,讨论了模糊数列的极限。

基于区间数距离的区间组合预测模型

针对预测值为区间数形式,引入区间数距离,提出一种确定区间组合预测权系数的方法.给出两个区间序列的距离公式,以实际观测序列与组合预测序列的距离最小为准则,建立规划模型,求解得到权系数.最后,通过实例,证明模型能够有效提高预测的精度.

基于联系数距离的区间型组合预测模型

根据区间数与联系数的性质,把区间数转换成二元联系数的等价形式,区间数的组合预测问题则转换成等价的联系数的组合预测问题。遵照理论方法创新与实践应用相结合的准则,以联系数距离为最优准则,通过引入诱导有序加权调和平均(IOWHA)算子,构造基于联系数距离以及基于联系数距离与IOWHA算子的区间型组合预测模型,最后对所建立模型的有效性进行验证。