離心率
Eccentricity
從一個頂點到其他頂點的最遠距離，提供觀察圖結構與中心性的尺度。
FLAGSHIP RESEARCH
Graph Partitioning
Algorithms
從圖的離心率（eccentricity）與擬中心（quasi-center），思考一張圖應該如何被切分。這是 Adaline 碩士研究的核心方向，也是 MathLab「先看結構，再找方法」的起點。
RESEARCH NOTE 01G = (V, E)
eccentricity→quasi-center→partition
How can structure guide the cut?
THE QUESTION
「一張看似複雜的網路，
是否藏著可以被辨認的中心與邊界？」
WHAT IT MEANS
圖分割，不只是把圖切開。
圖（graph）由頂點與邊組成。圖分割研究的是：如何依照目標，把一張圖拆成具有意義的子結構，同時觀察哪些連結被保留、哪些邊界被切開。
Adaline 的研究視角聚焦於離心率與擬中心，探索圖中「距離最遠有多遠」以及「哪些位置接近結構中心」，如何協助理解分割策略。這裡只呈現研究方向，不宣稱尚未公開驗證的效能或成果。
離心率
擬中心
Quasi-center
用接近中心的候選位置思考圖的組織方式，作為研究分割策略的視角。
圖分割
Graph Partitioning
把結構、距離與邊界放在一起，分析一張圖可以如何被拆解與理解。
FROM RESEARCH TO TEACHING
研究方法，也成為教學方法。
做研究時，我會先列出定義、定理、性質、引理與推論，再找出它們之間的依賴關係。教學時也一樣：不是先塞滿公式，而是先替學生畫出知識的地圖。
- Definition先確認每個物件究竟是什麼。
- Theorem再辨認條件、結論與可以使用的範圍。
- Connection最後把線性代數、圖論與演算法連成路徑。
CONTINUE EXPLORING