混合图有向树集直积生成

将混合图G分解成二分图G(v1)和G(v2 )以及离集Ec,分别生成二分图G(v1)和G(v2 )的k-树集 (k=1,2 ,… ,m) ,并给出了消除伪树的方法 .在此基础上 ,应用直积运算原理建立了生成混合图全部有向树的二分图公式 .该方法具有较好的系统性和直观性 ,并且无伪树成分 ,应用该方法可以生成二分图G(v1)和G(v2 )的有向k -树集 ,并能扩大计算机所能拓扑分析的电网络规模 .     

基于状态转移-混合Copula模型的量价关系分析

利用混合Copula的权重与参数在不同状态之间的转移,构建一种基于状态转换的混合Copula模型,对相依变量之间上尾下尾的非对称结构的转换进行描述。利用该模型对上证指数和房地产板块指数进行实证研究, 结果发现:整体上量价之间呈现出上尾高下尾低的非对称结构,当股市由低波动状态转向高波动状态后,量价之间的尾部结构相关程度显著增强,且下尾结构所占比例也明显增加,这种相依关系对于了解股市的信息传导机制与微观结构有重要意义。       

基于改进易辛模型的图加密新算法

直接设计对于图的加密算法比较困难,为此,提出了2种解决方案.一是借鉴二维易辛模型简单高效和局部化的优点;二是将图的加密问题转换成较简单问题的组合.通过改进基本的易辛模型设计了用于一维数据、二维数据、树结构的加密算法,最终实现了图的加密.分析和实验结果表明,该方法可以实现图加密所要求的可逆性、多样性、高效性、随机性和扩散性等.     

偏序关系图在课程设置中的应用

高等学校是我国培养各种人才的主要基地。随着社会的不断发展,社会越来越需要复合型人才,高校教务部门越来越感觉到课程的设置难以管理。根据大学课程学习的一般规律,提出了一种计算机辅助设计课程学期设置的方法,即平行拓扑排序方法:首先将课程视为顶点,将课程之间的内在联系关系视为偏序关系,得到课程之间的偏序关系图;然后将该方法应用在该偏序关系图上得到了课程设置的先后关系;根据对学生和专家调查问卷得到了一些课程设置的原则,优化了课程的学期设置,方便了教学,有利于学生学习和教务部门的管理。     

基于混合容差关系的粗糙集模型

将弱不可分辨关系引入到不完备信息系统中,讨论不完备信息系统中三种不同的容差关系。首先,融合强容差关系和弱容差关系,提出混合容差关系;然后,其次,基于混合容差关系以及基于混合容差关系的极大连续块技术构建两种不同的粗糙集模型;最后,讨论这两种不同粗糙集模型之间的关系。     

基于空间位置关系改进的物体识别上下文模型

常见的物体识别算法是基于图像局部低维特征的,在图像成像质量较差、分辨率较低情况下存在不确定和歧义性;图像上下文包含了场景信息以及物体之间彼此关联的丰富信息,可作为图像低维特征补充从而有助于提高物体识别率。该文在已有上下文模型基础上,进一步考虑了物体的空间位置关系信息,将图像全局特征、物体同现性关系和空间位置关系信息、局部检测器输出整合到同一个概率框架中,并充分利用树结构图模型高效推理的优势,改进了物体识别性能。最后通过标准图像集进行算法验证测试和对比来说明该文算法的有效性。     

子装配体自动识别的装配混合G图模型法

为了在大规模装配序列规划时准确有效地识别生成子装配体,提出了 一种构建装配混合G图模型实现自动识别子装配体的方法.该方法根据装配体建立包含装配联接关系语义与装配优先关系语义的装配混合G图模型.通过装配混合G图模型对装配关系语义进行数学转化生成相应装配关系矩阵.给出了基于装配混合G图判别子装配体的条件.结合装配关系矩阵与...     

基于块的流图模型及其控制流图

针对传统的流图模型存在的定位困难以及无法给出覆盖率信息等问题，提出了基于块的流图模型及其基本图式。该模型巧妙地借鉴了集成电路布丝的思想，极易从控制流图定位到程序代码，而且在流图上附有覆盖率等信息，尤其适合应用到具体的工程测试中进行排错和覆盖分析。最后，给出基于块的流图模型的两种不同的表现形式：BlockFlow图和BlockDiagram图。这两种形式表明基于块的控制流图模型是非常有效的。     

考虑智能网联车队强度的混合交通流基本图模型

随着智能网联车的发展和普及,在未来较长时段内,道路上的交通流内将过渡为由智能网联车和人工驾驶车组成的混合交通流。为揭示此类混合交通流流量、密度、速度三者之间的关系,本文以考虑智能网联车功能退化和车队强度为出发点,建立了智能网联环境下的混合交通流基本图模型。首先,对智能网联车退化后产生的不同类型车辆分别采用特定的跟驰模型进行模拟,并确定了车队强度影响下不同类型车辆的比例;基于此,推导出同时考虑车辆功能退化与车队强度的基本图模型,以弥补已有研究未全面考虑二者的不足,使构建的模型更符合混合交通流实际情形;最后,通过设计SUMO仿真实验进行验证。仿真结果表明：不同场景下仿真获得的流量-密度散点与对应理论曲线的一致性较高,从而验证了理论模型的正确性。     

基于路的多重完全图相关图生成树计数

利用图G的标定技巧、矩阵和行列式运算、补生成树矩阵定理、不等式运算等理论,研究了当m=2,3,4,5,且a1,a2,…,am为任意数时,基于路的多重完全图相关图 一般情况的生成树数目,并得到了相关公式。     

异向介质电磁问题的混合模型分析

建立准确的色散介质本构模型是计算色散介质中波的散射和传播的基础,目前处理色散介质电磁问题通常采用的方法是基于某一种常见的经典模型来进行分析。而实际的色散介质往往是极其复杂的,近似为某一种常见模型对其进行分析计算是不够精确的。结合常见的3种色散介质模型（Debye、Lorentz和Drude模型）,在简单混合模型的基础上提出分段线性混合模型,并通过对异向介质参数进行拟合验证,检验了新型模型的准确性与可行性。     

完全偶图的P2p——分解

利用图论中关于偶图的一个结论"Ks,s是1-可因子分解的"构造出当Km,m有一个P2p--分解时,Kms,ms也有一个P2p--分解(当s是正整数).进一步我们还证明了Km,n有一个P2p--分解,当且仅当|＞m=n,‖＞m≡0(modp(2p-1)).     

基于图的委托授权模型

结合分布式环境下的安全需求,讨论了信任管理问题,提出了1种基于图的委托授权模型,并给出了形式化的描述,分析并解决了权限传播控制以及环状授权和冲突授权问题. 最后给出了分布式环境下判定主体访问请求的方法并指出了需要进一步研究的问题     

基于交易成本之关系营销模型分析

关系营销理论强调顾客忠诚度的培养,顾客忠诚度高的企业可以保证可持续性赢利。不过,培养忠诚的顾客需要资源的投入,文章首先探讨了关系营销对交易成本的影响,其次从资产专用性和赢利性方面研究了对关系营销的影响,并对前述理论进行了综合分析。在此基础上,作者提出一种关系营销对象定位的三维模型,并对该模型进行了分析。     

多元混合分布的EWMA控制图的平均链长

指数加权滑动平均控制图（EWMA）由于对过程微小波动比Shewhart控制图敏感而备受质量控制界的关注．在研究混合分布的均值、方差和密度函数的基础上，推导了基于混合分布样本空间S的EWMA控制图平均运行链长（ARL）公式；应用数值计算方法得到了ARL值。讨论了区间等份m对EWMA控制图ARL的影响，并用统计仿真手段对多元混合分布的EWMA控制图ARL公式进行了验证．最后论述了利用混合样本空间及其EWMA控制图的ARL值来扩大控制图样本的方法．     

混合图的埃尔米特-ABC能量

设M为一个混合图,在M的每一条边和弧上加上ABC权,可得到一个加权埃尔米特邻接矩阵ABCH(M),称此矩阵特征值的绝对值之和为M的埃尔米特-ABC能量.给出了混合图的埃尔米特-ABC能量的一些界,并刻画了两个有向图D1和D2的埃尔米特-ABC能量与混合图D1∨D2的埃尔米特-ABC能量之间的关系.     

基于混合模型的网络流量预测研究

随着网络应用的多样化发展,分析网络流量的行为特性并建立模型进行预测,对于网络管理与流量工程有着重要意义.通过对多种流量预测方法的分析和比较,指出单一预测模型的局限性,并结合近年流量的新特性提出:网络流量的建模预测必须建立在流量重要特性的基础上,采用混合模型可以更全面、准确地描述和预测流量的行为趋势.     

基于UML的关系数据库模型的设计与实现

将UML类图模型与关系数据库设计相结合,利用面向对象方法和工具提出一套完整的对象-关系映射方法,应用于电子商务系统,加速了系统数据库的设计.     

混合图的 Nω 秩

2020 年,B. Mohar 定义了混合图一种新的 Hermite 矩阵 Nω。本文致力于讨论混合图的 Nω- 秩,确定了混合树、混合圈和完全二部混合图的 Nω- 秩。利用这些结果,本文分别刻画了 Nω- 秩为 2 和 3 的混合图。关键词：混合图;Nω- 特征值;Nω- 秩     

基于混合分析的二进制程序控制流图构建方法

构建控制流图（CFG）是二进制程序分析的基础工作,针对静态构建方法无法处理间接跳转,动态构建方法效率低、不适用于大规模程序的问题,提出结合静态分析和动态分析的混合分析方法. 使用静态分析获得基础的控制流信息;采用模糊测试生成测试用例以进行动态分析,利用动态插桩获得间接跳转信息;融合静态分析和动态分析结果生成控制流图. 基于该混合分析方法,设计并实现了面向x86平台二进制程序的控制流图构建工具CFGConstructor. 分别在示例程序和CGC数据集上进行实验,评估该工具的有效性和性能. 实验结果表明CFGConstructor相比于静态分析能够构建更加完备的控制流图,相比于动态分析分析效率更高,能够适用于大规模程序.