之间的关系分析对象、信号处理和遥感点对数据处理非常有益。一个全新的领域的数据来自图的结构,简洁,自然认为不规则数据的关系问题的定义以及相应的数据连接。由于引入新的时间序列样本之间的关系基于图形、信号分析和呈现增强数据处理已经启动。

图论是一个成熟的研究领域,然而,直到最近,由于它已成为一个热门研究课题调查基础数据的能力,而不是数据和信号图。此外,类熵措施的帮助下,熵措施和复杂性措施最近更新。这强调的多维扩展想法与一个巨大的相似倾向量化和时间序列及其系统组件之间的耦合。当前研究的目的是阐述复杂性措施,它们之间的关系,为实际应用参数的适当选择。

这个特殊问题的目的是汇集原始研究评论文章讨论图和因数据分析和处理。提交可以包括图理论和基于数据分类和聚类,神经网络图,图拓扑中,学习从数据和图论在模糊系统。我们也欢迎研究动态图结构,vertex-frequency和小波分析的信号图。此外,提交应包括图的复杂性和信号图形的复杂性,熵,和类熵措施。

潜在的主题包括但不限于以下:

• 图和基于数据分类和聚类
• 神经网络图
• 图拓扑学习数据
• 动态模糊图结构
• Vertex-frequency和小波分析的信号图
• 图的复杂性和信号图形的复杂性
• 熵和类熵措施
• 复杂的措施
• 经典的信号和图像处理借助于图论
• 图像滤波和自适应处理
• 插值、二次抽样和降尺度的图像信号和图形
• 图数据处理的应用程序
• 模糊集和图形应用程序
• 措施和模糊逻辑的复杂性
• 应用模糊图的数据处理