期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
3-连通3-正则图中的可序子集
1
作者 斯钦 《数学的实践与认识》 CSCD 北大核心 2008年第8期151-157,共7页
图G的k元点集X={x1,x2,…,xk}被称为G的k-可序子集,如果X的任意排列都按序排在G的某个圈上.称G是k-可序图,如果G的每一个k元子集都是G的k-可序子集.称G为k-可序Hamilton图,如果X的任意排列都位于G的Hamilton圈上.研究了3-连通3-正则图... 图G的k元点集X={x1,x2,…,xk}被称为G的k-可序子集,如果X的任意排列都按序排在G的某个圈上.称G是k-可序图,如果G的每一个k元子集都是G的k-可序子集.称G为k-可序Hamilton图,如果X的任意排列都位于G的Hamilton圈上.研究了3-连通3-正则图的可序子集的存在性问题. 展开更多
关键词 可序子集 k-可序Hamilton图 k-可序图 收缩
原文传递
k阶采样和图注意力网络的知识图谱表示模型
2
作者 刘文杰 姚俊飞 陈亮 《计算机工程与应用》 CSCD 北大核心 2024年第2期113-120,共8页
知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模... 知识图谱表示(KGE)旨在将知识图谱中的实体和关系映射到低维度向量空间而获得其向量表示。现有的KGE模型只考虑一阶近邻,这影响了知识图谱中推理和预测任务的准确性。为了解决这一问题,提出了一种基于k阶采样算法和图注意力网络的KGE模型。k阶采样算法通过聚集剪枝子图中的k阶邻域来获取中心实体的邻居特征。引入图注意力网络来学习中心实体邻居的注意力值,通过邻居特征加权和得到新的实体向量表示。利用ConvKB作为解码器来分析三元组的全局表示特征。在WN18RR、FB15k-237、NELL-995、Kinship数据集上的评价实验表明,该模型在链接预测任务上的性能明显优于最新的模型。此外,还讨论了阶数k和采样系数b的改变对模型命中率的影响。 展开更多
关键词 知识图谱表示 k阶采样算法 图注意力网络 剪枝子图 链接预测
下载PDF
给定度序列的连通图类的k阶Sombor指数
3
作者 王星雨 耿显亚 《洛阳师范学院学报》 2024年第2期7-9,共3页
对于一个简单连通图G=(V,E),d(u)是图G的顶点u的度.G的k阶Sombor指数被定义为SO kα(G)=∑uv∈E[d(u)k+d(v)k]α,k∈{2,3,…,n}.给出了在给定度序列的连通图类(最小度为1)中,存在一个特殊极BFS图,当0<α<1时,具有最小k阶Sombor指... 对于一个简单连通图G=(V,E),d(u)是图G的顶点u的度.G的k阶Sombor指数被定义为SO kα(G)=∑uv∈E[d(u)k+d(v)k]α,k∈{2,3,…,n}.给出了在给定度序列的连通图类(最小度为1)中,存在一个特殊极BFS图,当0<α<1时,具有最小k阶Sombor指数;当α>1或α<0时,具有最大k阶Sombor指数.并且,任意给定度序列(最小度为1)的树,单圈图和双圈图中,当0<α<1时,存在唯一极图具有最小k阶Sombor指数;当α>1或α<0时,具有最大k阶Sombor指数. 展开更多
关键词 k阶Sombor指数 度序列 优化 BFS图
下载PDF
基于Voronoi K阶邻近图的半监督学习自动图像标注 被引量：2
4
作者 吴寿昆 郭玉堂 《计算机应用与软件》 CSCD 2016年第12期183-187,242,共6页
在为自动图像标注构建相似图的过程中,针对传统的方法是基于图像间的视觉相似性,其没有考虑到数据集中某个子数据集内的结构信息这一问题,提出一种基于Voronoi k阶邻近图的半监督学习自动图像标注方法。该方法充分考虑Voronoi k阶邻近... 在为自动图像标注构建相似图的过程中,针对传统的方法是基于图像间的视觉相似性,其没有考虑到数据集中某个子数据集内的结构信息这一问题,提出一种基于Voronoi k阶邻近图的半监督学习自动图像标注方法。该方法充分考虑Voronoi k阶邻近图能很好地表达空间目标的影响区域以及可以方便地进行空间邻近的描述与推理的特性,将特征空间内的图像数据点分布信息融合到点对间的相似度量表示中,利用未标注样本挖掘图像特征的内在规律,然后把半监督学习的方法和多标记学习有效结合起来,从而达到对图像进行自动标注。实验结果表明,提出的标注方法可行,同时标注结果与传统的标注方法相比得到了明显改善。 展开更多
关键词 半监督学习 VORONOI k阶邻近图 自动图像标注
下载PDF
K阶图卷积属性网络社团检测方法 被引量：1
5
作者 陈洁 张二明 +2 位作者 王倩倩 赵姝 张燕平 《计算机科学与探索》 CSCD 北大核心 2022年第12期2788-2796,共9页
挖掘属性网络中的社团结构有助于对网络节点进一步分析,具有重要的现实意义。图卷积神经网络能够有效地将属性网络的结构信息进行嵌入,获取节点的特征表示,从而可获得性能良好的社团结构。然而,现有图卷积方法大多使用固定的低阶图卷积... 挖掘属性网络中的社团结构有助于对网络节点进一步分析,具有重要的现实意义。图卷积神经网络能够有效地将属性网络的结构信息进行嵌入,获取节点的特征表示,从而可获得性能良好的社团结构。然而,现有图卷积方法大多使用固定的低阶图卷积,只考虑每个节点一阶或二阶内的邻居,没有充分利用节点关系,忽略了网络结构的多样性。另外原始网络结构的稀疏性无法克服,会降低社团检测的性能。为解决上述问题,提出一种融合属性信息与结构信息的K阶图卷积社团检测方法(KGCN),该方法可以有效地克服原始网络的稀疏性并利用节点的高阶结构进行社团检测。首先根据节点的属性信息对原始网络进行重构,缓解原始网络结构的稀疏性;其次考虑到高阶结构关联,采用K阶图卷积编码器对节点进行编码,获得节点的特征表示;最后使用谱聚类算法进行社团检测。实验结果表明,在四个真实数据集上,相比现有算法,KGCN方法取得更好的社团检测结果。 展开更多
关键词 社团检测 k阶图卷积 属性信息 稀疏性
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部