针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

• 网络优化是运筹学中的一个重要分支，所研究的问题涉及经济管理、交通运输、计算机科学与信息技术、通讯与网络技术等诸多领域。在现实生活中，诸如最短路问题、运输问题、指派问题、中国邮递员问题、旅行商问题等都是网络优化的问题。 • 由于多数网络优化问题是以网络上的流为研究对象，因此，在图论中一般只涉及网络流问题。 • 4.1 网络流与截集 • 4.2 最大流问题及其解法 • 4.3 最小费用流算法 • 4.4 Petri网

一 图与关系网络基本概念 二 Pagerank算法 三 图机器学习与图神经网络 四 概率图

§7.1 平面图的概念 §7.2 欧拉公式 §7.3 平面图的判断 §7.4 平面图的对偶图 §7.5 平面图的面染色和四色猜想

一、排课表问题—求二部图的正常 χ′(G)边染色 1. 问题： 有 m 位教师 m x , x , , x 1 2 \ ，n 个班级 n y , y , , y 1 2 \ 。教师 xi 每周需要给班级 yj上 pij 次（节）课。要求制订一张周课时尽可能少的课程表

图神经网络推荐研究进展（吴国栋、查志康、涂立静、陶鸿、宋福根）

【智能系统】异质边多重图网络模型研究

11.1 连通度与块 11.2 网络最大流 11.3 图与二分图的匹配 11.4 独立集，覆盖 11.5 Petri网

本文推广了线图的树对及其距离的概念,提出了等参数图及其树对和树对之距离的概念。给出了等参数图中任一树对为一最大（或最小）距离树对的充分必要条件和相应的算法,讨论了等参数图中最大与最小距离树对在电网络分析中的应用,给出了网络图主划分算法1的对偶算法和电网络的最优调和分解算法

本节我们用一个能源利用系统的例子 说明冲量过程的建模方法. 我们考察某地区的能源利用状况.先界 定系统的范围,比如只考虑能源利用量、价 格、生产率、环境质量、工业产值、就业机 会及人口总数等7个因素，它们之间相互复 杂的关系可以简化为一个因素对另外因素直 接的促进(正面)或促退(负面)作用。要研究 的问题是,当其中某个因素突然发生改变时, 预测系统各因素的演变过程和趋势