On Alternating Sequences Relative to a c-Matching of a Hypergraph

In[1], C.Berge has modified Theorem 1 of [2]to a theorem which is a charac-terization of maximum c-Matchings in a hypergraph (see[1], P.416, Theorem 2),and at the same time can be considered as a generalization of Berge's theorem on     

高纯气体中痕量水的LiAlH4柱间接法测量

采用氢化铝锂反应柱在一定条件下将气体中的痕量水转化成氢气,利用氧化锆为检测器的气相色谱法测定转化的氢气,从而间接得出高纯气体中痕量水的含量.此方法选择性好,常温下反应快速、完全且稳定,重复性很好.同时,气相色谱法测定氢气干扰因素少、进样量少、样品消耗少、分析快速而准确.     

边色数的分类及其有关性质

设图G为简单连通图,由Vizing定理知:Δ(G)≤x′(G)≤Δ(G) 1,其中Δ(G)表示图G的最大顶点次,x′(G)为图G的边色数。若x′(G)=Δ(G),则称G为第一类图,记为G∈C~1;若x′(G)=Δ(G) 1,则称G为第二类图,记为G∈C~2。其他图论术语见一般参考书。一边e(或者顶点v)称为临界的,如果成立x′(G)>x′(G\e)(或者x′(G)>x′(G\v))。图G称为是临界的,如果G∈C~2,且G的每一边是临界的。对于v∈V(G),令d~*(v)=|{u|(v,u)∈E(G)且d(u)=Δ(G)}|。设F={u|d(u)=Δ(G),u∈V(G)},记G_Δ=G[F]。令图G_Δ的圈秩数为b(G_Δ)。     

相位编码光学加密算法的扩散及混淆特性分析

为了阐明相位编码光学加密算法的扩散及混淆特性,基于傅里叶变换位移定理,从分组密码设计准则出发,以双随机相位光学加密算法为研究对象,分析了采用单个随机相位模板的2 f系统的扩散和混淆特性。将单随机相位加密过程分解为2个相互关联的过程,结果表明,傅里叶变换在加密算法中引入了混淆操作,而傅里叶变换结合随机相位模板实现了扩散操作。通过数值模拟对上述理论分析进行了验证,引入信息熵来评价加密图像的统计分布特性,进一步分析了菲涅尔域及分数阶傅里叶变换域随机相位加密算法的扩散混淆特性。研究表明,单随机相位加密和双随机相位加密图像的信息熵分布为7.038和7.157,而随机振幅加密图像信息熵为4.521。因而,随机相位加密算法比随机振幅加密算法能实现对信息更好地扩散。     

双自由面溶质?热毛细液层的不稳定性

溶质?热毛细对流是流体界面的浓度和温度分布不均导致的表面张力梯度驱动的流动, 它主要存在于空间微重力环境、小尺度流动等表面张力占主导的情况中, 例如晶体生长、微流控、合金浇筑凝固、有机薄液膜生长等. 对其流动进行稳定性分析具有重要意义. 本文采用线性稳定性理论研究了双自由面溶质?热毛细液层对流的不稳定性, 得到了两种负毛细力比(η)下的临界Marangoni数与Prandtl数(Pr)的函数关系, 并分析了临界模态的流场和能量机制. 研究发现: 溶质?热毛细对流和纯热毛细对流的临界模态有较大的差别, 前者是同向流向波、逆向流向波、展向稳态模态和逆向斜波, 后者是逆向斜波和逆向流向波. 在Pr较大时, Pr增加会降低流动稳定性; 在其他参数下, Pr增加会增强流动稳定性. 在中低Pr, 溶质毛细力使流动更加不稳定; 在大Pr时, 溶质毛细力的出现可能使流动更加稳定; 在其他参数下, 溶质毛细力会减弱流动稳定性. 流动稳定性不随η单调变化. 在多数情况下, 扰动浓度场与扰动温度场都是相似的. 能量分析表明: 扰动动能的主要能量来源是表面张力做功, 但其中溶质毛细力和热毛细力做功的正负性与参数有关.      

关于图 G_Δ的圈秩较小时的边色数分类

设 G 是简单连通图,由 Vizing 定理知,△(G)≤x′(G)≤△(G)+1,其中△(G)表示图 G 的最大顶点次,x′(G)是 G 的边色数.若 x′(G)=△(G),则称 G 为第一类图,记为 G∈C~1;否则称 G 为第二类图,记为 G∈C~2.其它图论术语及记号均与[1]一致.令 F={u|d(u)=△(G),u∈y(G)},记 GΔ=G[F].一条边 e(或顶点 v)称     

边色数分类的两个充要条件

设图 G 是简单连通图,从 Vizing 定理可知:Δ(G)≤x′(G)≤Δ(G) 1,其中Δ(G)表示图 G 的最大顶点次,x(G)是图 G 的边色数.若 x′(G)=Δ(G),则称 G 为第一类图,并简记为 G∈C~1;否则称 G 为第二类图并简记为 G∈C~2;本文的目的在于讨论边色数分类问题.     

边色数分类的两个结果

设图G为简单连通图,由Vizing定理知:△(G)≤x′(G)≤△(G)+1,其中,△(G)表示图G的最大顶点次,x′(G)是图G的边色数。若x′(G)=△(G),则称图G为第一类图,并简记为G∈C~1;若x′(G)=△(G)+1,则称G为第二类图,并简记为G∈C~2;A.J.W.Hilton提出了如下猜想[1]:如果G是简单图,且满足:(ⅰ)△(G)>2/3(|V(G)|-3),(ⅱ)δ(G_△)≤1。则G∈C~1。本文的目的是围绕着这一猜想,得出了两     

固相微萃取膜器富集痕量氧气的研究

介绍了一种固相微萃取膜器对高纯气体中痕量氧气的富集预浓缩方法,分析了气体膜分离的影响因素,实验结果表明,在操作压力为0.4 MPa,温度为40℃的条件下,该膜器对高纯气体中痕量氧气有较强富集效果,浓缩倍数介于3.69~6.3之间。