葉功率
在圖理論的數學領域中，樹t的k層功率是圖G ，其頂點是t的葉子，其邊緣的邊緣連接了一對葉子的葉子，其在t中的距離最多為k 。也就是說， G是圖形功率的誘導子圖
如果某些k是k-葉功率，則圖是葉子的功率。這些圖具有系統發育，這是重建進化樹的問題。
圖形的相關類
由於強烈的和弦圖的力量是強烈的弦，樹木是強烈的弦，因此葉子的力量是強烈的和弦圖。實際上，葉子能力構成了強烈的弦圖的適當子類。當且僅當它是固定的公差巢圖時，圖形是葉子的功率，並且此類圖是強烈的弦圖的適當子類。
在Brandstädt等人中。 （2010年）表明，間隔圖和較大的根係有向路徑圖是葉子功率。冷漠的圖形正是葉子的底層樹是毛毛蟲樹。
k的有界值的k葉冪具有有界的集合寬度，但對於帶有無限指數的葉子力量並非如此。
結構和認可
當且僅當它是（公牛，飛鏢，寶石） - 無弦圖時，圖是3葉的功率。基於此特徵和類似的特徵，可以在線性時間內識別3葉功能。
Rautenbach（2006）和Brandstädt，Le＆Sritharan（2008）給出了4葉能力的特徵，這也啟用了線性時間識別。 Chang和Ko（2007）和Ducoffe（2018）分別在線性時間求解了5葉和6葉功率圖的識別。
對於K≥7 ，長期無法解決K-葉功率的識別問題，但Lafond（2021）表明，對於任何固定的K ，可以在多項式時間內識別K-葉冪。但是，對參數k的高依賴性使得該算法不適合實際使用。