Super-connected and Hyper-connected Cubic Bi-Cayley Graphs

让 G 是一个有限的组并且让 S (可能，包含身份元素) 是 G 的一个子集。Bi-Cayley 图 BC (G， S ) 有顶点的一张由两部组成的图被给

泛圈图关于Wiener指数和hyper-Wiener指数的充分条件

泛圈图是指包含所有长度为l(3≤l≤n)的圈的n阶简单连通图。根据满足边条件e(G)的简单连通图G的特性,结合连通图及其补图的Wiener指数和hyper-Wiener指数与边条件e(G)的关联式,得出连通图G要成为泛圈图所需满足的充分条件:W(G)≤n^(2)+5n-30/2,W(G)≥n^(3)-8n^(2)+43n-60/2,WW(G)≤n^(2)+11n-60/2,WW(G)≥n^(4)-8n^(3)+37n^(2)-18n-60/2。

基于图优化参数辨识的船体变形测量方法

针对船体变形惯性匹配测量中模型参数准确性影响测量精度的问题,本文提出了一种基于图优化的船体变形模型参数辨识方法并应用于惯性匹配测量。通过分析船体变形模型预设参数对惯性匹配测量的Kalman滤波影响,得到参数对惯性匹配精度的影响机制;利用船体变形历史数据,结合待辨识的船体变形模型参数组成图优化超图,建立船体变形参数辨识的图优化模型,实现船体变形惯性匹配预设模型参数的辨识,最后将参数辨识结果代入惯性匹配方程以完成准确测量。仿真实验验证了该方法可以有效地完成船体变形参数辨识,保障船体变形惯性匹配测量的准确度。

单圈图的hyper-Wiener指标(英文)

令u（n）表示具有n个顶点的单圈图.在一个圈C3的一个顶点上悬挂n-3个悬挂边的n个顶点的单圈图记为U~＊（n-3,0,0）.本文证明了在u（n）中具有最小hyper-Wiener指数的单圈图是U~＊（n-3,0,0）.

欧拉图的hyper-Wiener指标

ε_n表示n个顶点欧拉图的集合.通过对欧拉图hyper-Wiener指标性质的研究,刻画了ε_n中具有最小和最大hyper-Wiener指标的极图.

面向链接预测的知识图谱表示学习方法综述

作为人工智能的重要基石,知识图谱能够从互联网海量数据中抽取并表达先验知识,极大程度解决了智能系统认知决策可解释性差的瓶颈问题,对智能系统的构建与应用起关键作用.随着知识图谱技术应用的不断深化,旨在解决图谱欠完整性问题的知识图谱补全工作迫在眉睫.链接预测是针对知识图谱中缺失的实体与关系进行预测的任务,是知识图谱构建与补全中不可或缺的一环.要充分挖掘知识图谱中的隐藏关系,利用海量的实体与关系进行计算,就需要将符号化表示的信息转换为数值形式,即进行知识图谱表示学习.基于此,面向链接预测的知识图谱表示学习成为知识图谱领域的研究热点.从链接预测与表示学习的基本概念出发,系统性地介绍面向链接预测的知识图谱表示学习方法最新研究进展.具体从知识表示形式、算法建模方式两种维度对研究进展进行详细论述.以知识表示形式的发展历程为线索,分别介绍二元关系、多元关系和超关系知识表示形式下链接预测任务的数学建模.基于表示学习建模方式,将现有方法细化为4类模型:平移距离模型、张量分解模型、传统神经网络模型和图神经网络模型,并详细描述每类模型的实现方式与解决不同关系元数链接预测任务的代表模型.在介绍链接预测的常用的数据集与评判标准基础上,分别对比分析二元关系、多元关系和超关系3类知识表示形式下,4类知识表示学习模型的链接预测效果,并从模型优化、知识表示形式和问题作用域3个方面展望未来发展趋势.

具有最大hyper-Wiener指标的单圈图

讨论了连通图hyper-Wiener指标的性质,研究了其图的变换规律,并得到了单圈图中具有最大hyper-Wiener指标的极图.

完美匹配单圈图的hyper-Wiener指标

通过对连通图hyper-Wiener指标性质的研究,讨论了u+(2n)中hyper-Wiener指标的最小值,得到了达到最小hyper-Wiener指标的完美匹配单圈图的极图,并提出了关于hyper-Wiener指标的1个猜想.

乘积图的Hyper-Wiener指标

通过刻画几类乘积图的性质,讨论乘积图上任意两点间的距离,利用任意两个连通图的直积图上两点间距离关系的特征来研究直积图的hyper-Wiener指标的一些性质,最后由一般图的Wiener指标以及hyper-Wiener指标得到了直积图的hyper-Wiener指标的计算方法。

树图与单圈图的线图的Hyper-Wiener指数

主要考虑了线图的hyper-Wiener指数,分别得到了树图和单圈图的线图的hyper-Wiener指数的上下界及取得上下界的极图.

利用Wiener指数、hyper-Wiener指数及Harary指数给出泛圈图的充分条件

设n阶简单连通图G(V,E)。若对任意正整数k(3≤k≤n),G中都存在长度为k的圈C_k,则称G为泛圈图。本文首先介绍了Wiener指数、hyper-Wiener指数及Harary指数,然后利用图及其补图的上述拓扑指数,给出了具有最小度条件的简单连通图是泛圈图的充分条件。

具有较小Hyper-Wiener指数的仙人掌图

利用图变换的方法讨论仙人掌图的Hyper-Wiener指数.通过比较给出仙人掌图的第二小、第三小Hyper-Wiener指数,并刻画达到第二小、第三小Hyper-Wiener指数的极图.

Wiener指数,Hyper-Wiener指数与泛圈图

设G=(V,E)为n阶简单连通图,若对每一个k(3≤k≤n),都含有长度为k的圈Ck,则称G为泛圈图。本文主要利用图及其补图的Wiener指数、hyper-Wiener指数,给出具有最小度条件的简单连通图是泛圈图的充分条件。

海战场情报态势知识超图组织与运用

海战场作战知识缺少组织运用方法,无法支撑情报态势分析。针对作战知识组织运用问题,提出分层海战场情报态势知识超图体系,建立事理知识图谱、概念知识超图、实例知识超图三层结构,使用超关系对多元情报信息进行知识表达,通过跨层次映射和反演建立不同层次之间的关联;对基于超图的知识挖掘与辅助决策方法进行了分析。该框架可为智能化指挥信息系统建设和领域知识组织管理提供新的思路。

含C_(n-1)图关于Wiener指数、Harary指数、hyper-Wiener指数的充分条件

拓扑指数和谱理论是图论研究的两个分支。可以用拓扑指数来刻画图的性质,首先分别给出n阶简单图,n阶2-连通图含有C_(n-1)的边条件的相关引理,然后利用Wiener指数、Harary指数和hyper-Wiener指数分别给出n阶简单图,n阶2-连通图含有C_(n-1)的充分条件。

基于超图正则化非负张量链分解的聚类分析

非负张量链分解作为一种重要的张量分解模型,可保留数据内部结构信息,广泛应用于高维数据的特征提取和表示。从流形学习角度出发,高维数据信息通常潜在于低维空间的非线性流形结构中,然而现有图学习理论只能建模对象间的成对关系,很难准确刻画具有复杂流形结构的高维数据的相似关系。引入超图学习,提出一种超图正则化非负张量链(HGNTT)分解方法,在高维数据中提取低维表示的同时通过构建超图描述样本数据间的高阶关系,从而保留非线性流形结构,同时采用乘法更新方法对HGNTT模型进行优化求解并证明其收敛性。在ORL和Faces95这两个公开数据集上的聚类实验结果表明,相比于NMF、GNMF等方法,HGNTT方法的聚类准确率和归一化互信息分别提升了1.2%~7.6%和0.2%~3.0%,验证了HGNTT方法的有效性。

弱哈密顿连通图关于Wiener指数,Harary指数,hyper-Wiener指数的充分条件

对于一个平衡二部图,如果任意两个不同部分的顶点可以由一条哈密顿路连接,那么该平衡二部图称为弱哈密顿连通图。在给出连通的平衡二部图的拓扑指数条件的基础上,利用Wiener指数、Harary指数和hyper-Wiener指数分别给出了平衡二部图是弱哈密顿连通的充分条件。

高血压超关系知识图谱建模及用药决策推理实践

传统的知识建模方法在医学场景下面临着知识复杂性高、难以通过传统三元组的方式精确表达等问题,需要研究新的本体对医学知识进行建模。该文提出一种应用于高血压领域的三层超关系知识图谱模型(Triple-view Hypertension Hyper-relational Knowledge Graph,THH-KG),该方法基于超关系知识图谱模型搭建计算层、概念层、实例层三层图谱架构,实现多元的医学逻辑规则、概念知识和实例知识的联合表达。此外,该文还提出了在普通图数据库中超关系知识图谱的通用存储方法,且基于该方法设计了高血压知识图谱推理解释引擎(Hypertension Knowledge Graph Reasoning Engine,HKG-RE),实现了基于医学规则的用药推荐辅助决策应用。上述方法在对108位真实高血压患者的用药推荐实验中正确率达到了97.2%。

基于三元组键值对超关系学习的知识图谱链接预测

为了提高挖掘超关系数据中的隐含关系的能力,提出一种基于三元组键值对超关系学习的知识图谱链接预测模型;所提模型不仅捕捉编码在三元组中知识图谱的主要结构信息,而且通过对三元组及其相关键值对进行学习,采集每个三元组及其相关联的键值对之间的相关性;通过最小值操作,对基本三元组、键值对以及相关性特征向量进行合并,利用全连接投影得到预测得分。结果表明,与其他预测模型相比,所提模型在JF17K数据集和WikiPeople数据集的键、值预测平均倒数排名表现更佳,在链接预测中排名分别小于10、1的三元组的平均占比的预测性能更优。

面向对象的超图时空推理模型的研究与应用

通过对各种时空数据模型和时空推理模型的比较,把面向对象技术与实际生产需要相结合,构造了基于超图理论的时空数据模型和时空推理模型,并将该模型应用到云南省红河州数字烟草系统对地块的管理中。实践证明,该时空推理模型实现了时空一体化,具有完整的时空内涵。