简介:讨论了矩阵的秩分解,对几个有关矩阵秩的结论给出与一般教材中不同的证明,同时给出不计算两个矩阵的乘积直接求乘积的秩的方法。
简介:设自然数n≥4,On是有限链[n]上的保序奇异变换半群。通过分析秩为r的元素,获得了半群OFn={a∈On:(x∈im(a)),|xa-1|≥|im(a)|}的主因子的秩。
简介:设n2≥n2≥…≥nk≥2是整数。若图G能边分解成G1+G2+…+Gk,这里X(G1)=n1,i=1,2,…k,则称G有(n1,n2,…,nk)-色因子分解。本文改进了Hakimi和Schmeichel关于图的色因子分解的结果,作为推论,推广了Matula和Harary等人的结果。
简介:给出利用初等变换求矩阵满秩分解的一个简洁方法.
简介:摘要:基于空间能谱体匹配框架SSCMF的CT图像重建方法具有其局限性。为保证充分利用图像的非局部相似性,通过张量分解探索能谱CT图像特征,采用非局部低秩体张量分解方法,利用张量分解挖掘出高低能量通道数据之间的相关性和互补性,据其构建三阶的低秩张量体,实现更加充分的编码非局部相似性,完成高质量的图像重建。通过数字仿真和能谱数据集的验证,结果表明非局部低秩体张量分解(NLCTF)能获得比其他方法更高质量的图像。
简介:本文给出了平衡完全二部图Kn,n存在P5-因子分解的充分必要条件:n≡0(mod40)
简介:给出了平衡完全二部多重图λKn,n存在P5-因子分解的充分必要条件为n≡0(mod40/d),其中d=gcd(λ,8).
简介:中子—质子形状因子参量与三秩可分势参量的改进汪尊伟(徽州师专黄山245021)柳继锋(广西师大桂林541004)在质子—质子碰撞的实验资料里[1][2],发现其数据的误差相对很小、很可靠,且也易于获得。但中子—质子碰撞的数据却并非如此,而是十分不确定...
简介:设G是一个具有顶点集V(G)和边集E(G)的图。设g和f是定义在V(G)上的两个整数值函数,使得g(x)≤f(x)对所有的点x∈V(G)都成立。结果G是一个(mg+n,mf-n)-图,1≤n
简介:【摘要】由于各种外部因素的影响,春假前后的月度售电量预测一直存在较大误差。本期旨在呈现基于X12时代分解法的完整预测模型、ARIMA模型和中度去污机。一是采用X12周期细分法,将月度售电量历史数据转化为趋势项、时间项和随机项;然后采用ARIMA模型和历史数据平均法对趋势要素、随机要素和时间要素进行预测。该算法对春节1-3月历史售电量季度率和对应月份第一天的天数进行回归分析,对预测结果进行复核。结果表明:利用Eviews软件对历史数据进行统计和计算,将预测结果与传统的ARIMA模型和TRAMO-SEATS模型进行对比,大大提高了他的预测能力。
简介:八十韶华坎坷过,残躯幸在漫蹉跎。痴情难改诗文癖,抱定时将璞玉磨。
简介:鞍马余生耄耋龄,夕阳晚照胜曦明。历经劫难等闲事,躬睹神州正复兴。磊落胸怀双目亮。达观淡泊一身轻。壮心不已何言老,恰似苍松冬夏青。
简介:少壮攻书古训循,许身从教忝传薪。欣栽桃李三千树,快慰人生八十春。不倦催芽忘我老,无声润物护花茵。幸逢盛世歌仁政,特色兴邦日日新。
简介:枫历金秋叶更红,年逢九十不言翁。半生烽火军魂铸,一路风雷涉险峰。眼昏无碍察晴雨,耳钝仍能辨西东。纵然白发三千丈,誓愿为民绘彩虹。
简介:七秩浮生不计年,夕阳幸遇晚晴天。养花种菜心情爽,秉笔研诗意志竖。少岁未思攀附事,稀龄畅写感怀篇。悠闲自在烦愁少,不筑方城种砚田。
简介:
简介:本文给出了完全二部图的P5-因子分解存在的必要条件,同时讨论了充分条件的几种情况,给出了四个猜想。
简介:设G是一个图,具有顶点集V(G)和边集E(G).设g和f是定义在V(G)上的整数值函数且对每个x∈y(G)有g(x)≤f(x).本文证明了如下的结果:若G是一个(mg+kr,mf-kr)一图,且对每个x∈V(G)有g(x)≥r-1,H和G的任意给定的有kr条边的子图,则G中含有一个子图R,使R有(g,f)-因子分解r-正交于H,其中m,k和r是正整数且k〈m.
简介:华诞颂旭日东升映百花,和谐奋进溢丹霞。卅年改革神州艳,两制鸿猷港澳华。神七飞天震寰宇,小康骏驶壮边涯。成功奥运英姿飒,六秩沧桑举世夸。
矩阵的秩分解与矩阵乘积的秩
半群OFn的主因子的秩
图的色因子分解
初等变换的一个应用:矩阵的满秩分解
基于非局部低秩体张量分解能谱CT的图像重建
Kn,n的P5—因子分解
λKn,n的P5——因子分解
中子—质子形状因子参量与三秩可分势参量的改进
关于图中子图的(n,k)—正交因子分解
基于因子分解机的月售电量预测模型
八秩回眸
九秩抒怀
八秩抒怀
九秩述怀
七秩抒怀
趣闻秩事
醉与秩
完全二部图的P5—因子分解
图中具有推广的正交(g,f)-因子分解的子图
欢歌六秩国庆