关于超立方体的独立数

(d,k)独立数琢d,k(G)是分析互连网络性能的一个重要参数。对于任意给定的图G和正整数d、k,确定G的(d,k)独立数问题是一个NPC问题。因此,确定一些特殊图的(d,k)独立数显得很重要,但是到目前为止,我们还没见到任何特殊图的(d,k)独立数。本文利用Gray码得到琢4,6(Q)=4。对于某些正整数d、k,利用此方法可以讨论超立方体的独立数     

合成图的独立数与控制数

借助于图G1和图G2的独立数、控制数，估计了合成图G1[G2]之独立数与控制数的上、下界．     

合成图的独立数与控制数

借助于图G1和图G2的独立数、控制数，估计了合成图G1[G2]之独立数与控制数的上界。     

乘积图生成树的Wiener数问题

研究了给定一个连通图,如何确定其Wiener数最小的生成树问题。Dobrynin等构造了超立方体的两类Wiener数“很小”的生成树,并进一步猜想这两类树都是Wiener数最小的生成树。利用归纳推理及递归关系,对更一般的且具有良好拓扑性质和较高网络模型应用价值的乘积图,如G1×G2、Kmn等,构造了相应的生成树并计算了它们的Wiener数的值,以期获得这些乘积图Wiener数最小的生成树。这些结果推广了Dobrynin关于超立方体的结果。     

关于距离图的L(2,1)-标号着色

研究了距离图G(D)的L(2,1)-标号色数λ(D).证明了距离图满足λ(G)≤Δ2.对于任意给定的正整数k,证明了λ({1,2,..., k})＝2k 2和λ({1,3...,2k-1})＝2k 2.假设k,a∈N且k,a≥2.如果k≥a,则λ({a,a 1,...,a k-1})＝2(a k-1).否则,λ({a,a 1,...,a k-1})≤min{2(a k-1),6k-2}.若D由2个正整数构成,则6≤λ(D)≤8.对于特殊的距离集D＝{k,k 1}( k∈N),λ(D)的上界改进到了7.     

一类距离图的圆色数

圆色数是图的一个重要参数 .距离图G(Z ,D)是具有顶点集Z ={ 0 ,± 1,± 2 ,… }、距离集D ,且满足顶点x与y相邻的充要条件是y -x∈D的无限图 .本文确定了两类距离图G(Z ,Dm ,k ,k + 1)和G(Z ,Dm ,k ,k + 1.k + 2 )的圆色数 .     

ar+1=t(s-l)的距离正则图

设Γ是序为(s,t)直径为d的距离正则图,讨论了l(c,a,b,)表示在交叉阵列l(Γ)中列(c,a,b,)的个数,记r=r(Γ)=l(c1,a1,b1),s'=s'(Γ)=l(cr 1,ar 1,br 1),t'＝t'(Γ)＝l(cr s' 1,ar s' 1,br s' 1).所得结论如下:设Γ=(X,E)是一个序为(s,t)的直径为d的距离正则图,如果cr l=t,ar 1=t(s-1),则d=r s' 1,cd=t' 1且Γ为正则拟2d边形.     

高是1和3的距离正则图

利用交叉表研究了直径d≥3和高h=1,3的距离正则图,得到了这类图的关于交叉数的一些新性质.     

关于几何数列中的(δ,d,k)-过剩数

对于正整数n,设d(n)和δ(n)分别表示n的约数函数与约数和函数,对于正整数k,如果δ(n)＞n kd(n),则称n是(δ,d,k)-过剩数.文章证明了对于给定的正整数k,存在无穷多个无限的几何数列都是(δ,d,k)-过剩数.     

a_(r 1)=t(s-1)的距离正则图

设Γ是序为(s,t)直径为d的距离正则图,讨论了l(c,a,b)表示在交叉阵列l(Γ)中列(c,a,b)的个数,记r=r(Γ)=l(c1,a1,b1),s/=s/(Γ)=l(cr 1,ar 1,br 1),t/=t/(Γ)=l(cr s/ 1,ar s/ 1,br s/ 1).所得结论如下:设Γ=(X,E)是一个序为(s,t)的直径为d的距离正则图,如果cr 1=t,ar 1=t(s-1),则d=r s/ 1,cd=t/ 1且Γ为正则拟2d边形.     

有界模糊数的比较与排序

利用两模糊数之间的距离公式,将模糊数之间的比较转换为模糊数与纵轴距离之间的比较。在此基础之上定义了模糊数空间上的序关系,并证明了它们的一些性质。这种方法的排序效果与人们的直觉是一致的且不悖逆于实数的自然序。利用距离方法定义的序关系,便于理解与计算机实现。     

关于图的强符号控制数的下界

在定义了图的强符号控制函数和强符号控制数的基础上,给出了一些图的强符号控制数的下界.     

图的Fractional边控制与Fractional边全控制

设G=(V,E)是一个图,一个函数f:E→[0,1]如果对所有的边e∈E(G),都有∑e∈N(e’)f(e)≥1成立,则称f为图G的一个Fractional边全控制函数,简记为F边全控制函数,此处N(e’)表示G中与边e’相关联的边集。图G的F边全控制数定义为γ’tf(G)=min{∑e∈E(G)f(e)f是G的一个F边全控制函数}.本文得到了一般图的F边全控制数的若干界限,还确定了一些特殊图的F边全控制数。     

基于AK-RBF神经网络的出水氨氮软测量方法研究

为解决污水处理过程出水氨氮难以精确测量问题,提出一种基于自适应核函数RBF神经网络的出水氨氮软测量方法。由于隐层激活函数对神经网络性能影响较大,AK-RBF 神经网络将基于欧几里得的高斯核与余弦核通过线性组合形成新的隐层神经元激活函数。网络参数学习采用梯度下降算法推导的迭代公式更新以提高网络预测精度。仿真实验表明,基于AK-RBF神经网络的出水氨氮软测量方法能够在线预测出水氨氮,比RBF神经网络具有更高的预测精度和更好的自适应能力。     

个位数字距离效应和大小效应分离的实验研究

采用Verguts的实验范式,以阿拉伯数字（1,2,8,9）和汉字数字（壹、贰、捌、玖）为刺激材料,实验任务为判断数字是否相同,考察个位数字距离效应和大小效应是否发生分离。结果发现：当刺激材料为阿拉伯数字（1,2,8,9）和汉字数字（壹、贰、捌、玖）时,不同数字组（e.g.1—贰,2—捌）出现距离效应,相同数字组（e.g.1—壹,2—贰）出现大小效应。表明数字大小效应和距离效应不都全是来源于心理数字线。     

Neighbourhood Conditions and Hamiltonian Properties

本文利用图的独立数和任意３个独立点集中距离２的点对邻域交,给出了图为Ｈａｍｉｌｔｏｎ和Ｈａｍｉｌｔｏｎ连通的新的充分条件     

建构主义学习理论在网络课件中的应用

建构主义学习理论强调以学生为中心，视学生为认知的主体，教师只对学生的学习起帮助和促进作用。基于超媒体技术、虚拟现实技术和网络通信技术制作的网络课件，可以充分体现出学习的自主性、情境性和社会性，促进现代远程教育条件下建构主义学习环境的建设。     

关于图的反符号全控制

设G=（V,E）是一个图,一个函数f：V∪E→{-1,＋}1,如果对每一个x∈E∪V,都有∑y∈Nt[x]f（y）≤0成立,则称f为图G的一个反符号全控制函数,其中Nt（x）表示G中与元素x相邻或相关联的元素之集,称为元素x的全邻域,Nt[x]=N（x）∪{x}为x的闭全邻域。规定图G的反符号全控制数定义为γrst（G）=max{∑x∈V∪Ef（x）f为图的反符号全控制函数}。得到了一般图的反符号全控制数的若干上界,并确定了圈Cn的反符号全控制数。