基于边包含性的最小化步行匹配
计算机视觉与模式识别
2024-08-27 v1
摘要
本文表明，枚举集合 MM(G,R) 所需的算法在输入 G 和 R 上无法实现多项式延迟，除非 P=NP。R 是字母表 上的正则表达式，G 是标记在 上的有向图，MM(G,R) 包含 G 的步行。首先，考虑集合 Match(G,R)，其中包含所有符合 的步行 G，用单词（在 上）标记。一般情况下，M(G,R) 是无限的，而 MM(G,R) 是 Match(G,R) 中根据良好准序 < 最小的有限步行子集。若步行 w 的边多重集合严格包含步行 w' 的边多重集合，则 w<w'。值得注意的是，MM(G,R) 包含一些可在多项式时间内计算的步行。因此，任何枚举 MM(G,R) 的算法的预处理阶段不必解决 NP-hard 问题。
引用
@article{arxiv.2408.14047,
title = {Alleviating Class Imbalance in Semi-supervised Multi-organ Segmentation via Balanced Subclass Regularization},
author = {Zhenghao Feng and Lu Wen and Binyu Yan and Jiaqi Cui and Yan Wang},
journal= {arXiv preprint arXiv:2408.14047},
year = {2024}
}