链图的距离特征值

如果一个图G不包含2K_(2),C_(3)及C_(5)作为导出子图,称其为链图。在所有点数和边数给定的连通二部图中,链图具有最大的谱半径,这使得链图在图谱理论中占有一席之地。本文研究了连通链图距离特征值的分布情况。对于点数为n的连通链图G=G(t_(1),…,t_(h);s_(1),…,s_(h)),我们证明了-2是G的重数为n-2h的距离特征值,且G有h-1个距离特征值小于-2和h+1个距离特征值大于-2。

基于有向链图编辑方法的T形铺砌织物组织设计

为克服传统分形与铺砌织物组织设计方法因空间结构单调而使得设计空间受限的问题,本文提出一种T形铺砌织物组织设计方法。该方法运用4个T形铺砌块构,通过构造有向链图高效设计织物组织。首先利用T形铺砌特有的有向链图表示方法,在棋盘格上设计与编辑链图,然后将其转化为T形铺砌结构,最后将基本组织根据铺砌结构进行拆分重组获得变化多样的铺砌织物组织。运用Python语言实现了该织物组织的设计方法并进行可视化。实验结果表明,该织物组织设计方法便捷、直观,能够获得更为丰富且多变的铺砌结构及相应的铺砌织物组织,从而为织物组织的数字化设计探索了一条新的设计途径。

基于约束的局部-全局LWF链图结构学习算法

LWF链图结构学习旨在发现链图中所有节点的父节点、子节点、邻居节点以及配偶节点.然而,目前最新的LWF链图结构学习算法是基于Growing-Shrinking(GS)思想得到节点的局部结构(即节点的马尔科夫毯)来学习全局网络结构,该类算法的条件独立测试是以整个马尔科夫毯为条件集的,为了保证条件独立测试的可靠性,算法要求样本数量是马尔科夫毯大小的指数级,从而使得算法的数据效率较差.针对该问题,本文提出了一种基于约束的局部-全局LWF链图结构学习算法.该算法通过迭代的学习邻接集和配偶集来降低对数据样本量的要求;与此同时,在学习邻接集时采用后向策略保障了条件独立测试的正确性.算法的基本思想如下:首先学习网络中每个节点的马尔科夫毯,将节点马尔科夫毯学习拆分为学习邻接集和学习配偶集;然后利用节点的马尔科夫毯信息恢复网络骨架,根据链图复合体有向边的特点,利用条件独立测试确定网络复合体有向边,从而恢复链图结构.理论分析证明了该算法的正确性,在仿真数据集和标准数据集上的实验测试验证了算法的有效性.

一类新链图的优美性

定义了有柄mi圈链图和无柄mi圈链图,得到了在m1,m2,…,mn≡0(mod4)时它们都是优美图、无柄mi圈链图是k优美图,并且给出了具体标号;进一步得到了在m1,m2,…,mn≡0(mod4),mn+1≡3(mod4)时这2类链图也是优美图的新结果及其证明.

面向制造业产业链图状区块链模型

针对传统区块链构建制造业产业链区块链模型所面临的复杂业务关系难以处理的问题,提出一种图状区块链模型。首先,将原有区块分解为业务关系与业务数据两部分,由业务关系构建关系模型,并通过业务数据构建物理区块;然后,由双映射机制建立图状区块链中的顶点与物理区块的对应关系;最后,针对制造业产业链业务特点建立制造业联盟图运行机制,并基于制造业的业务场景构建制造业联盟图框架,结合Hyperledger Fabric平台,对图状区块链进行了验证,得到了初步的效果,为制造业产业链在业务处理与区块链瓶颈突破方面提供了一种新的方法与思路。

一类带有纽结分支的内在链图

空间图理论是纽结拓扑理论的自然拓广,是当前拓扑学中很活跃的分支。内在链图和内在纽结图是近年来比较新的一个研究领域,也是空间图中的两类重要的图。本文结合内在链图和内在纽结图的性质,构造了一类兼具内在链图与内在纽结图性质的图,带有纽结分支的内在链图,这个图的每个空间嵌入中都包含一个非分离的链,且这个链中至少有一个分支是非平凡的纽结。针对Petersen图P8,本文利用两个Petersen图K3,3,1与中间边组成图的方法形成Petersen图中的P8。得到了一类带有纽结分支的内在链图F(104),并证明了图F(104)是带有纽结分支的内在链图。

一种带有纽结分支的内在链图

针对于Petersen图P9进行研究,利用两个Petersen图K3,3,1与中间边组成的图的方法来形成petersen图中的P9,本文得到了一种带有纽结分支的内在链图H(93),并证明了该定理.

带有纽结分支的内在链图和内在纽结与3-链图

利用两个图K4,4-e与中间边组成的图来形成petersen图中的P8、P9和P10,构造出了带有纽结分支的内在链图。此外,笔者把内在纽结图和内在3-链图的性质结合起来,构造出了同时具有这两种性质的图,定义它为内在纽结与3-链图。该定义利用文献[1-4]引理证明,结论得证。

精确计算p重整化链图传播下p→2π~0反应微分截面(英文)

采用中性介子π0与核子N-反核子N-强相互作用的Lorentz不变耦合模型,对质子反质子重整化链图传播下p→2π0反应微分截面作了严格解析计算,获得精确理论结果;并通过将该计算结果与质子反质子树图和重整化单圈图传播下p→2π0反应微分截面作对比分析,讨论了相关辐射修正.此研究结果对于Lorentz不变耦合模型理论的深入研究与核物理的深入探索,都将提供理论计算研究方面一定的学术参考价值.

精确计算在π~0重整化链图传播下p→p′微分截面

本文采用中性介子π0与核子N-反核子U-强相互作用的Lorentz不变耦合模型,对质子反质子在中性介子π0重整化链图传播下的散射微分截面,作了严格解析计算后获得了"精确"理论结果;进而,又对该计算结果与π0树图传播下的微分截面作了对比分析,获得了相关辐射修正的重要结果.这对于深入研究质子摊贩质子在高、中、低能区中的弹性碰撞及其描述强相互作用的Lorentz不变耦合模型理论,都将提供某些值得借鉴与参考的理论研究价值.

精确计算电子重整化链图传播下的Compton散射微分截面

采用电子与光子电磁相互作用最小耦合模型,对电子重整化链图传播下Compton散射微分截面作了严格解析计算,获得精确理论结果;并将该计算结果与电子树图和重整化单圈图传播下Compton散射微分截面作对比分析,获得了有关辐射修正的重要信息.此研究结果对精确描述Compton散射现象以及对电磁相互作用所呈现的复杂内部过程的深入探讨,都将从一个重要研究侧面给出理论计算研究方面某些可供借鉴与参考之处.

光子链图传播下Bhabha散射截面的严格计算

采用光子与电子(正电子)的最小电磁耦合模型,获得了光子链图传播子重整化的有限量。对其辐射修正作了相关的计算和讨论,从而得到了电子-正电子碰撞在链近似下的散射截面,并与最低阶的散射截面作了比较.

基于链图的Bayesian网结点聚集

提出了一个基于链图将Bayesian网的结点聚集算法。将Bayesian网转化为链图,将链图上等价的结点集当作一个领域并用一个新的结点来表示,修改整体结构和参数,从而完成对整个Bayesian网的修正。聚集之后的Bayesian网可以使领域之间的概率关系更清晰明显,优化Bayesian网的结构表示。

精确计算SM中混合链图传播下e■→f■反应截面

采用电弱统一标准模型(SM),分析了由参与电弱相互作用的各种混合圈构成的光子γ,中间玻色子Zo重整化链图传播子的构架方式,并完成了相关解析计算,进而获得了γ,Z_0重整化混合圈链图传播子的解析计算结果.作者又将γ,Z_0混合圈链图传播子D_γ^((m-chain))(s),D_Z^((m-chain))(s)和D_(γZ)^((m-chain))(s)应用到粒子反应e■→f■中,精确计算了e■→f■反应总截面σ_(SM)^((chain)).通过与LEP实验组的实验观测值的比较,发现本文理论计算结果比最低(树图)阶的结果与实验吻合更好.

结构向量自回归时间序列的链图模型识别方法

本文研究了结构向量自回归时间序列的链图模型识别方法.利用局部密度估计法以及Bootstrap方法,给出了时间序列链图模型的概念以及模型结构识别方法.模拟结果显示本方法能有效地识别结构向量自回归模型变量间的相依关系.

解析计算SM中电子混合链图传播下Compton散射微分截面(英文)

采用电弱统一标准模型(SM),对由参与电弱相互作用的各种混合圈构成的电子重整化链图传播子的构架方式作了详细分析,并完成了有关解析计算,进而获得了电子重整化链图传播子的解析计算结果.作者又将此结果应用到Compton散射,精确计算了电子混合链图传播下Compton散射微分截面的解析结果dσ_(SM)^(chain)/dcosθ.此外,作者还将计算结果与最低阶微分截面dσ^(trcc)/dcosθ口和量子电动力学(QED)中电子链图传播下的Compton散射微分截面dσ_(QED)^(chain)/dcosθ做了具体的数值计算与对比分析,发现dσ_(SM)^(chain)/dcosθ比dσ_(QED)^(chain)/dcosθ能更加精细的反应辐射修正效应.

用尺寸链图求解尺寸链

尺寸链是制定零件加工工艺或机器装配工序的重要依据 ,论文论述了如何绘制尺寸链图并利用尺寸链图求解尺寸链。

基于尺寸链图的零件假废品分析

以测量尺寸为增环的尺寸链为例,阐述了零件产生假废品的原因,提出了基于尺寸链图的假废品分析方法,并指出了零件假废品出现的区域。这种方法简单直观,易于理解掌握。

含高副平面运动链图及其拓扑图的自动生成

在对含高副平面运动链进行分析的基础上，本文提出了最大基环的概念，从而避免了杆与杆之间的交叉，并由计算机自动生成了八杆以内、１—３个自由度，含１—２个高副的平面运动链图及其拓扑图。

φ－容忍链图与树

设对称函数φ（ｘ，ｙ）＝ａ（ｘ＋ｙ）＋ｂ｜ｘ－ｙ｜，ａ、ｂ∈ＪａｃｏｂｓｏｎＲ．等［３］证明了当ｂ＞ａ≥０时树是φ－容忍链图，本文将进一步证明当｜ｂ｜＜ａ时，树是φ－容忍链图当且仅当它不含Ｋ＿１，３的细分留作为导出子图，从而推广了Ｊａｃｏｂｓｏｎ的结论。