캡슐화 그래프의 최대 잠재 에지 변환 방정식 연구
본 논문은 절대 정보 은닉을 적용한 캡슐화 그래프에서 노드 추가·이동·변환에 따라 그래프가 가질 수 있는 최대 잠재 에지(M.P.E.)가 어떻게 변하는지를 수식으로 정리한다. 다섯 가지 기본·파생 변환을 정의하고, 각 변환이 M.P.E.에 미치는 영향을 분석한다. 또한 표준편차를 이용해 노드 분포의 ‘불균형도’를 정량화하고, 불균형도가 커질수록 구성 효율성은 감소한다는 실험적 결과를 제시한다.
저자: ** Edmund Kirwan **
본 논문은 절대 정보 은닉(absolute information hiding)을 적용한 캡슐화 그래프(encapsulated graph)의 구조 변형이 그래프가 가질 수 있는 최대 잠재 에지(Maximum Potential Edges, 이하 M.P.E.)에 미치는 영향을 수식적으로 규명한다. 기존 연구
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기