基于本地集的图信号重构
本文提出了两种基于本地化图形滤波的方法,用于从仅一部分的样本中定义在任意图形的定点上的图形信号进行插值。一种是基于图形重构的迭代图滤波方法,另一种是基于正则化的框架,提出了一种结合图形信号平滑度和与已知样本的重建误差的重建代价,并寻找最小化此代价的解决方案。实验结果表明,两种方法在推荐系统数据集上均能有效。
Oct, 2013
本文介绍了一种用于图信号采样的新方案,旨在更高效地实现信号稀疏表示和重建,基于图驻点合成算子和 VandeMonde 矩阵结构,可以针对有向环和非环图的信道进行采样和插值,同时进行了实验验证。
Apr, 2015
本文概述了关于图信号采样和恢复的最新进展,包括完美恢复带限图信号的条件、减轻噪声和模型不匹配效应的采样设计标准、自适应恢复和跟踪动态图信号的算法和最优采样策略,以及图信号处理方法在采样、插值和跟踪不规则域信号方面的潜在优势。
Dec, 2017
本文提出了适用于有向图和无向图信号的抽样定理,可以实现在保证完美恢复的前提下降低样本量,且可以将采样后的信号系数形成新的图信号,该理论还被应用于半监督分类,以较少的标记样本就达到了与之前工作相似甚至更好的性能。
Mar, 2015
本文提出了一种最小平方算法 least mean squares (LMS),用于自适应估计图形信号,并通过数值模拟验证了该方法的性能。同时,该文还提出了一种在不知道带宽的情况下进行谱稀疏在线估计的方法,以便在线调整图形采样策略,并将该方法应用于构建认知网络环境下操作区域的功率空间密度制图。
Feb, 2016
本文研究了在图上进行带限重建的最佳抽样集的选择问题,通过引入称为图谱代理的数量来近似图信号的频谱内容,提出了一种不需要计算和存储基元素的直接抽样集选择方法,并证明了该方法在嘈杂数据或原始信号仅近似带限时提供稳定的重建能力,该方法适用于各种图、各种应用,并通过各种数值实验展示了其有效性。
Oct, 2015
本篇论文主要介绍了一种分布式最小二乘重建算法,用于重建基于样本选择节点中的时间变化的带限图信号。该算法可以追踪时间变化的图形信号,对于时不变信号可以完美地重建,并在合成数据和实际传感器网络数据上进行了实验验证。
Feb, 2015
提出了一种基于图信号采样理论的离线池式主动半监督学习框架,该框架使用节点选择来最大化从采样集重构信号的频率,以解决有限的已标记数据但有大量未标记数据的问题。
May, 2014
本文提出了一些新的方案来恢复定义在图的节点上的信号,研究了使用图滤波器将稀疏的信号渗透到整个图中以实现已知图信号的重构问题,并探讨了在噪声环境下的不完善重构情况。
Jul, 2015
我们提出了一个图信号模型,并将信号恢复任务转化为对应的优化问题,通过交替方向乘子方法提供一般解决方案,然后展示了信号修复、矩阵完成、鲁棒主元分析和异常检测等都与图信号恢复有关,提供了相应的特定解决方案和理论分析,最后在在线博客分类、桥梁状况识别、温度估计、推荐系统和在线博客分类专家意见结合等实际恢复问题上验证了所提出的方法。
Nov, 2014