本研究考虑权重无向图的精确和非精确匹配问题，通过定义 “friendly graphs” 和发展准确和近似解的确切条件和界限，以及优化找到最优近似同构的能力的凸松弛技术进行解决。

Jan, 2014

本文介绍了一种应对图匹配问题的新型凸松弛算法，通过闭合迭代的镜像下降方案，实现了在相关高斯维格纳模型下对应的唯一解高概率收敛，进一步确立了输入矩阵的新充要条件，并将其应用于噪声下的地面实况恢复中。

Oct, 2023

本文证明了对于某类图形，图匹配问题及其最常见的凸松弛问题是等价的，基于相应邻接矩阵的谱特性。此外，本文还推导了图的自同构群的结果，并提供了邻接矩阵的基本谱特性。

Sep, 2014

本文研究的是图匹配问题，提出了一种基于学习的方法，用于解决基于图的模式识别问题。通过训练示例和标签，我们可以学习节点与边之间的兼容性，在解决问题时可以取得更好的效果。实验结果表明，该方法比现有算法更为有效。

Jun, 2008

本文提出了一种基于约束的图匹配方法，能够处理任意阶数、任意势函数的约束，在先前依赖于图结构的分解方法的基础上，通过约束匹配的分解，将图匹配重构为非凸非可分的优化问题，通过交替方向乘子法将其分解为多个较小、易于解决的子问题，从而设计了一个模块化可扩展的框架，并对基于两两约束和高阶约束的两个不同实例进行了研究，实验结果表明，所提出的解决方案在广泛采用的合成和真实示例基准测试中优于现有的两两图匹配方法，并且在高阶设置中具有竞争力。

Nov, 2016

本文提出一种名为 GOAT 的修正版算法，它使用最优输运的方法替代了线性分配算法，以加快计算和提高准确性，用于解决图匹配问题。

Nov, 2021

该论文研究图对齐问题，即图同构问题的噪声版本，旨在找到两个图节点之间保留大多数边的匹配。研究集中在随机图中，在理解该问题的基本信息论极限以及设计和分析能够恢复数据中潜在对齐的算法方面表现出兴趣。针对这些算法，我们给出了在它们成功或失败的情况下的高概率保证。

Apr, 2024

本文提出了一种凸凹规划方法，用于带标签的加权图匹配问题，并且提出的算法在四个数据集上的表现都优于现有算法。

Jan, 2008

我们研究了不完全多图匹配问题，该问题是配对多个有限集合的 NP 难问题的推广，多图匹配在计算机视觉中起着关键作用，已经提出了许多专门的优化技术。我们填补了这一差距，并将已知的多维分配问题近似算法转化为不完全多图匹配问题。通过实验证明，我们的新方法在目标和运行时间方面显著优于以前的技术水平。我们的算法能够在两分钟内匹配超过 500 个关键点的 29 个图像，而考虑的最快竞争方法至少需要半小时，同时产生了更差的结果。

Jun, 2024

该论文提出了一种快速的基于图形的相似匹配算法，通过模拟和实际数据实验验证了该算法的有效性，能够从部分观察到的自然存在的对齐中恢复信息。

Sep, 2012