基于随机kNN图的批量边删除聚类算法

建立邻接图上的批量边删除聚类算法通用框架,提出基于高斯平滑模型的批量边删除判定准则,定义了适于聚类的邻接图的一般性质,提出并证明在kNN图基础上引入随机因子构造的随机kNN图,可以增强顶点之间的局部连通性,使聚类结果不再强烈依赖于某条边或某些边的保留或删除.RkNNClus算法简洁高效,依赖参数少,无需指定类簇数目,模拟和真实数据上的实验均有证明.

图的关于边删除的外连通控制

对于图G=（V,E）,如果V／S中的每个顶点都和S中至少1个顶点相邻,且G[V／S]是连通的,则称V的子集S是图G的外连通控制集.外连通控制集的最小基数γc（G）称为图G的外连通控制数.给出了树删去1条边后对应的外连通控制数的可达下界,定义了关于边删除的γc-严格图及~γc-稳定图,并对其相关性质进行了讨论.

局域世界删除演化网络模型

针对局域世界网络演化模型对于真实网络的描述过于简化的现象,提出局域世界删除演化网络模型。在网络的演化过程中既考虑了增加节点适应度对网络结构的影响,又对节点的删除和边的删除进行了探讨。研究表明增加节点的适应度可以使新节点加入时对已有网络节点的选择不只与已有网络节点的度有关;无论是删除节点还是删除边都会增加网络中度为1及度为2节点的比例,增加网络的平均路径长度,减小网络的聚类系数;随着局域世界的增大,kmax及网络的聚类系数都会增加。因此增大局域世界能够补偿删除所带来的影响。

通信网中链路重要性的评价方法

本文提出了一种通信网链路重要性的评价方法 ,该方法可以评价全网范围内的链路重要性 .最重要的链路是将其进行边收缩操作后 ,得到的图的生成树数目最多 .通过比较生成树的数目 ,我们可以判断通信网中任意两条链路的相对重要性 .基于生成树数目的边收缩方法反映了某条链路处于正常工作时 ,对整个通信网的贡献大小 .

基于分割插值的连续多分辨率模型

给出了一种基于边删除的多边形网格分辨率模型生成算法,通过递归地删除网格模型中的边,从而得到连续的简化模型.算法建立了可调加权控制函数来控制边的简化顺序.在模型简化的不同阶段,通过调节控制函数的权值执行不同的简化原则,使得视觉重要度低的边优先删除.此外,通过建立独立集,避免了模型的局部过度简化.算法用临近点插值模板,求取边简化生成的新点.实验结果表明,该算法可实现较理想的场景简化效果.

因信而用

信则有，不信则无；信则用，不信则废。 牛鼻子的电子邮箱每天都会收到成批量的垃圾信件。“任何有价值的东西放错了地方，就是垃圾。”牛鼻子一边删除邮件一边自言自语，“是垃圾就扔进垃圾箱。”