The Euclidean Steiner tree problem in Rn: A mathematical programming formulation

A nonconvex mixed-integer programming formulation for the Euclidean Steiner Tree Problem (ESTP) in Rⁿ is presented. After obtaining separability between integer and continuous variables in the objective function, a Lagrange dual program is proposed. To solve this dual problem (and obtaining a lower bound for ESTP) we use subgradient techniques. In order to evaluate a subgradient at each iteration we have to solve three optimization problems, two in polynomial time, and one is a special convex nondifferentiable programming problem. This revised version was published online in June 2006 with corrections to the Cover Date.     

一类优美树

§1. Preliminary Lemma Using A to denote the cardinal number of a finite set A, we do not explain anymore what are similar to A in this paper. For a given tree T(V,E), if there is a labeling f of its vertices, which satisfiesf［V(T)］={f(u)u∈V(T)}={0,1,2,…,E(T)},lf［E(T)］={lf(uv)=f(u)-f(v), uv∈E(T)}={1,2,…,E(T)},then f is called a graceful labeling of T, and T is called a graceful tree. lf denotes the labeling of edges that is derived from f. In the 1960s, RingedKotzing and A. R…     

关于Steiner比猜想

本文所讨论的是Ｓｔｅｉｎｅｒ比猜想。全文共分两部分：第一部分包括历史回顾和对ｎ＝３,４,５三种情况对该猜想的正确性给出了简单的证明;第二部分则对于一般的ｎ给出了一个证明。     

MRPⅡ中物料清单树型结构的分析与实现

针对ＭＲＰⅡ物料清单的树状特点,提出了以物料结构与单据相结合的程序开发模式,以及相应的数据库设计方法。并且采用Ｖｉｓｕａｌ Ｐｏｘｐｒｏ５．０对物料清单管理进行了编程实现,得到了较为直观,方便,灵活的实用效果。另外,也与Ｇｏｚｉｎｔｏｇｒａｐｈ设计形式比较分析说明了物料清单树状结构设计实现的优势。     

CORBA及其IDL编译器研究

介绍了CORBA规范作为分布式对象计算（DOC,Distributed Object Computing)的主流技术,分析了CORBA系统的体系结构以及IDL编译器的工作原理。     

基于决策树的神经网络规则抽取方法

将从神经网络中抽取一个可理解的模型视为一个归纳学习任务 ,其中 ,目标概念就是神经网络表达的功能 ,所生成的可理解模型是一个能很好近似神经网络的决策树 .在这个过程中 ,应用了决策树归纳学习的优化原则 ,使得生成的决策树能最简洁、准确地描述神经网络学到的知识 .实验证明 ,生成的决策树可以很好地近似神经网络 ,且比用传统方法生成的决策树具有更好的分类精度 ,同时NNtoDT算法也保持了具有较好的通用性和可扩充性的特性 .     

基于小波分形的图像压缩方法

给出了一种基于小波分形的图像有损压缩方法,首先,利用小波变换将图像分解为不同频率的分量,然后采用分形迭代函数系统,Ｈｕｆｆｍａｎ树等方法它们进行编码,实验表明,该算法在保证还原图像质量的情况下,有较高的压缩比。     

组播路由算法综述

在说明组播技术原理的基础上,对目前的组播路由算法进行了回顾,最后指出了组播路由算法的分类及其发展方向.     

多概念学习的决策树MNID算法

决策树归纳法ＩＤ３是人工智能机器学习中发展较快的一种归纳学习算法,而目前的ＩＤ３及其改进算法亦因各种问题限制了其在工程中的应用。基于决策树归纳学习算法示例学习最优化的理论,用在多概念学习条件下对多特征属性值进行分组聚类实现优化的方法,导出了定义在多概念窨上的决策树归纳学习算法ＮＭＩＤ。这种新算法对工程技术领域普遍存在的多概念学习问题,有较好的应用价值。     

联合特征码本树和能量最小化的目标识别方法

针对复杂背景下的目标识别,提出了一种基于特征码本树和能量最小化的概率框架,能同时检测目标位置和区分目标类别的识别方法。为了能加入特征间的空间关系,除了使用单特征码本树,还使用了双特征码本树,并建立一个能量函数来融合单特征码本树和双特征码本树的特征概率匹配结果。最后,通过在测试图像中寻找滑动窗口所在区域的类别能量最小化来确定目标的位置和所属类别。在UIUC和Caltech 101数据库上的实验表明,该方法相比于其他方法具有较高的识别精度。