项目名称: 图谱理论的研究及其在复杂网络中的应用

项目编号: No.11471121

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 束金龙

作者单位: 华东师范大学

项目金额: 62万元

中文摘要: 图谱理论是图论的一个重要的研究方向,对图的谱性质与图结构之间关系的研究不仅能够促使图谱理论自身的发展,而且一直为许多其他领域的发展提供着有力的工具。近年来,其更是在蓬勃的复杂网络的定量研究中扮演着重要的角色。本项目主要研究图的谱性质与图结构之间的联系,解决一些具有挑战性的代数图论问题。同时,关注图的谱性质在复杂网络中的应用。即,1.应用图的谱性质有效地解决复杂网络中的一些重要的问题,特别是网络的社团性质,网络同步与控制。2.研究图谱的界,以及按照他们的谱进行分类和排序。3.研究图的多项式的系数。4.研究图的距离矩阵的零维数、谱唯一性及最小根等问题。

中文关键词: 代数图论;复杂网络;图的谱

英文摘要: Graph spectral theory is a main research field of graph theory. Studying the relation between the spectral properties and the structural properties of graphs not only promotes the development of the spectral theory, but also provides a strong tool for applying this theory to the other field. In recent years, it plays a key role in the quantitative research in the theory of complex network. In this project we mainly study the relationship between the properties of graph spectral and structure, and we also want to solve some challenging algebraic graph problems. Furthermore, we care the applications of graph spectral theory in the theory of complex network. Such as: 1. To efficiently solve some key problems of complex network, espencially the community properties, synchronous properties and control properties of a network. 2. To study the bounds of spectral radius of graphs and order, classification graphs by it. 3. To study the coefficient of the polynomial of graph matrices. 4. To study the nullity, the least eigenvalue of the distance matrix of a graph and the graph determined by its distance spectra.

英文关键词: Algebraic graph theory;The complex network;Graph spectra

成为VIP会员查看完整内容
1

相关内容

【经典书】全局优化算法:理论与应用,820页pdf
专知会员服务
151+阅读 · 2021年11月10日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
44+阅读 · 2021年5月24日
【干货书】分数图论:对图论的一种理性的探讨,167页pdf
专知会员服务
25+阅读 · 2021年4月13日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
43+阅读 · 2020年12月8日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
专知会员服务
45+阅读 · 2020年11月13日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
134+阅读 · 2020年8月12日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
图谱实战 | 医学知识图谱的价值与应用场景
开放知识图谱
5+阅读 · 2022年4月6日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
关系图谱在贝壳找房风控体系的应用与实践
DataFunTalk
49+阅读 · 2020年2月12日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
35+阅读 · 2020年1月2日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Knowledge Representation Learning: A Quantitative Review
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
小贴士
相关主题
相关VIP内容
【经典书】全局优化算法:理论与应用,820页pdf
专知会员服务
151+阅读 · 2021年11月10日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
44+阅读 · 2021年5月24日
【干货书】分数图论:对图论的一种理性的探讨,167页pdf
专知会员服务
25+阅读 · 2021年4月13日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
专知会员服务
43+阅读 · 2020年12月8日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
专知会员服务
45+阅读 · 2020年11月13日
科技大数据知识图谱构建方法及应用研究综述
专知会员服务
134+阅读 · 2020年8月12日
最新《图神经网络模型与应用》综述论文
专知会员服务
293+阅读 · 2020年8月2日
相关资讯
图谱实战 | 医学知识图谱的价值与应用场景
开放知识图谱
5+阅读 · 2022年4月6日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
关系图谱在贝壳的构建和应用
DataFunTalk
29+阅读 · 2020年3月4日
关系图谱在贝壳找房风控体系的应用与实践
DataFunTalk
49+阅读 · 2020年2月12日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
干货:复杂网络及其应用简介
数据猿
24+阅读 · 2018年12月21日
领域应用 | 知识图谱的技术与应用
开放知识图谱
17+阅读 · 2018年6月14日
相关基金
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
17+阅读 · 2020年11月15日
Arxiv
35+阅读 · 2020年1月2日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Knowledge Representation Learning: A Quantitative Review
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
微信扫码咨询专知VIP会员