极大团相关论文
随着互联网数据量的增长以及用户交互模式的发展,各种元数据之间逐渐形成一张巨大的网络结构。图模型是数据库和数据挖掘领域常见......
关联规则挖掘是数据挖掘中最活跃的研究方法之一。最早是由Agrawal等人提出的（1993年）。最初提出的动机是针对购物篮分析（Basket Anal......
蛋白质结构预测是生物信息学中一个非常重要的研究课题。在蛋白质结构预测过程中,会获得许多候选蛋白质结构。但是到目前为止,如何......
时空共现模式(spatiotemporal co-location pattern,以下简称co-location模式)挖掘属于空间数据挖掘中一个非常热门的领域,系指多......
近年来概率图模型在医疗、基因与染色体数据分析、通信与编码等许多领域有着广泛的应用。在概率图模型中,团树结构是一个活跃的研......
近年来,互联网和物联网的融合与发展,吸引众多学者对复杂网络进行研究。复杂网络的研究在众多领域具有重要的应用价值,例如在生物......
对社区结构的研究能深入了解复杂网络,同时也能挖掘复杂网络潜藏功能。但随着信息发展,复杂网络规模越发庞大,网络的伸缩性使复杂......
自然界与人类社会中的许多系统都可以用复杂网络模型来表示,其中网络社区结构是复杂网络模型中最普遍和最重要的拓扑属性。社区是......
本文主要研究极大邻集搜索算法(Maximal Neighborhood Search,简记为MNS),重点考虑由这种算法在图上生成的序列和序列终点所满足的......
2004年邓小铁等人证明了Chvátal关于图中极大独立集和极大团之间结构的一个猜想. 定理1设G不含同构于F3或-F3的导出子图，则G中......
蛋白质是生命大厦的基石，其活性区域的自动检测对于预测蛋白质与蛋白质之间的相互作用、蛋白质识别、药物设计等起着重要作用。研究......
生物信息学起步于20世纪90年代，是一门新兴的交叉学科.先进的测序技术使得各种生物的基因以及蛋白质序列被大量测出，为生物信息学的......
利用极大团把海量的数据项进行有效的划分,降低了后续数据挖掘和决策选择的复杂度.对于含有时间参量的原始数据,极大团具有一定的......
