版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、有限個或至多可數(shù)個存在某種關(guān)系的對象都可以用圖模型來表示.圖論主要研究這種模型所蘊(yùn)藏的內(nèi)部結(jié)構(gòu)性質(zhì)并借助圖參數(shù)予以表達(dá),但一些具有廣泛應(yīng)用前景的參數(shù)的計算復(fù)雜度屬NPH或NPC問題.鑒于此,代數(shù)組合分析的方法在圖的結(jié)構(gòu)性質(zhì)討論中有著非常重要的意義,譜圖理論即是借助圖的矩陣表示的譜及特征空間,來刻畫圖自身的結(jié)構(gòu)參數(shù),是現(xiàn)代數(shù)學(xué)表示論觀點(diǎn)的體現(xiàn),本論文主要研究圖的矩陣表示的極小非零特征值所對應(yīng)的特征向量的組合結(jié)構(gòu)性質(zhì),并推廣到一般的特征向量
2、.此外,本文把特征向量的組合結(jié)構(gòu)性質(zhì)應(yīng)用于圖劃分問題.
圖的極端特征值,如譜半徑和極小非零特征值,在刻畫圖參數(shù)方面發(fā)揮很好的作用,這些極端特征值的特征向量在刻畫圖的整體結(jié)構(gòu)性質(zhì)方面也發(fā)揮著同等的作用.1975年Fiedler給出了圖的Laplace矩陣的次小特征值(稱為代數(shù)連通度)所對應(yīng)的特征向量(稱為Fiedler向量)的組合結(jié)構(gòu)性質(zhì),圖的Fiedler向量的符號變化和數(shù)值增減變化可以窺測圖的結(jié)構(gòu)性質(zhì).1987年Merr
3、is根據(jù)Fiedler向量的符號變化提出特征集的概念(其中的元素稱為特征元),證明了:任一個樹的特征集都恰含一個特征元,并且該特征元與Fiedler向量的選取無關(guān).1998年Bapat和Pati把特征集的概念推廣至一般圖,并給出特征集基數(shù)的一個上界,特別地對單圈圖的Fiedler向量的結(jié)構(gòu)性質(zhì)給予刻畫,在上述工作中,特征集定義于圖的Laplace矩陣的次小特征值所對應(yīng)的特征向量.2002年P(guān)ati把特征集引入到樹的第三小特征值所對應(yīng)的特
4、征向量,然而,這些特征向量不再具有樹的Fiedler向量所具有的性質(zhì),即特征集以及其基數(shù)與特征向量的選取有關(guān).
對于一個n階圖G,其Laplace特征值排序為:0=λ1(G)<λ2(G)≤···≤λn(G).
對應(yīng)于G的特征向量Y,其特征集記為C(G,Y).為了討論方便,我們稱特征向量y為圖G的k-向量,如果Y對應(yīng)于λk(G)且λk(G)>λk-1(G).因此,F(xiàn)iedler向量是一個2-向量.Fiedler
5、證明了:對一個樹T,若其特征向量Y不含零分量且對應(yīng)于λk(T),則λk(T)是單的且|C(T,Y)|=k-1.注意此結(jié)論中的Y是一個k-向量.事實上,對樹的任一個k-向量Y,1≤|C(T,Y)|≤k-1.
本文的工作之一是研究特征集或其基數(shù)的不變性,對于任意給定的k,是否存在樹T,使得對任意的k-向量Y都有|C(T,Y)|=1?稱滿足上述條件的樹為k-單樹,我們的回答是肯定的,并給出了k-單樹的等價條件.同時,我們發(fā)現(xiàn),對
6、于k-單樹T,C(T,Y)也是不變的,這和Fielder向量的性質(zhì)是一致的,因為任一個樹都是2-單樹.
本文的另一個工作是研究特征集基數(shù)的極大性,對于樹的不同k-向量,特征集可能是變化的,如果僅考慮極大基數(shù)的k-向量,其特征集是否還是變化的?稱上述向量為k-極大向量,我們證明了:任一個k-向量的特征集都含于k-極大向量的特征集,因此k-極大向量的特征集是不變的.該結(jié)論和Fielder向量的性質(zhì)也是一致的,因為Fielder
7、向量是一個2-極大向量,
混合圖就是對簡單圖的部分邊進(jìn)行定向后所得到的圖,在現(xiàn)實生活中有很多的應(yīng)用背景.1999年Bapat等人引入了混合圖的Laplace矩陣,并推廣了經(jīng)典的矩陣一樹定理.2002年張曉東和李炯生討論了混合圖的Laplace譜,給出了譜半徑的一些上界,考慮到奇異混合圖的Laplace譜在本質(zhì)上等同于經(jīng)典的Laplace譜,2005年范益政討論了非奇異的混合圖的的最小特征值,并給出對應(yīng)特征向量的組合結(jié)構(gòu)性質(zhì)
8、,在該文中作者提出了一個公開問題,即給定腰長的非奇異單圈混合圖的最小特征值達(dá)到極小的極圖的刻畫,
本文專注于上述問題,把特征集拓展到非奇異混合圖的Laplace最小特征值所對應(yīng)的特征向量,我們給出了特征集的可能基數(shù),并對特征元進(jìn)行了刻畫;應(yīng)用該性質(zhì),獲得了特征向量的符號變化;最終解決了范益政論文中所提的公開問題.
本文的最后一部分就是把圖的k-向量應(yīng)用于圖劃分問題,圖劃分的目標(biāo)就是把一個圖分解成若干子圖并受某
9、種平衡約束,使得子圖之間的互聯(lián)代價或權(quán)值最小,在圖像分割和聚類中得到了廣泛應(yīng)用,把一個圖分成兩個部分(即二劃分),可采用經(jīng)典的最大流一最小割定理.但考慮分割大小的平衡性,1992年Hagen和Kahng提出了比值割的度量準(zhǔn)則,并利用圖的Fiedler向量的結(jié)構(gòu)性質(zhì)給出分割方法,針對k-劃分問題,1994年Chan,Schlag,Zien推廣了比值割準(zhǔn)則,應(yīng)用圖的Laplace矩陣的前k個特征向量實現(xiàn)劃分,此外,2000年Shi和Mali
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖的主特征向量及其應(yīng)用.pdf
- 混合圖的奇異度與特征向量.pdf
- 基于全局信息的圖結(jié)點(diǎn)特征向量學(xué)習(xí)算法.pdf
- 兩類混合圖的特征值與特征向量.pdf
- [學(xué)習(xí)]方陣的特征值與特征向量
- 分配格上矩陣的特征向量.pdf
- 基于特征向量的時態(tài)XML索引研究.pdf
- 基于特征向量的音樂情感分析的研究.pdf
- 基于特征向量的語義角色標(biāo)注研究.pdf
- 基于混沌特征向量的動態(tài)紋理識別.pdf
- 矩陣的特征值與特征向量的若干應(yīng)用
- SIFT特征向量流水線結(jié)構(gòu)設(shè)計.pdf
- 矩陣特征值、特征向量的研究【文獻(xiàn)綜述】
- 基于多重特征向量的興趣模型及其應(yīng)用.pdf
- 矩陣特征值、特征向量的研究【開題報告】
- 人臉識別中的特征向量優(yōu)化算法研究.pdf
- 基于特征向量統(tǒng)計的極化SAR地物分類.pdf
- 矩陣特征值、特征向量的研究【畢業(yè)論文】
- §2 方陣的特征值 與特征向量
- 基于特征向量的名詞短語指代消解研究.pdf
評論
0/150
提交評論