基于超图的鲁棒几何模型拟合中代表性模式的搜索
该论文提出了一种基于超图的方法(称为 HF)来适应和分割多结构数据,该方法采用了一种新的超图模型,可以有效地和高效地估计存在于含有离群值且具有复杂关系的数据中的模型实例的数量和参数,并开发了鲁棒的超图分区算法来检测模型拟合的子超图。
Jul, 2016
本文提出了一种新的范例 —— 超图移位,通过概率投票策略找到语义正确的鲁棒图模式,并形成高密度子超图以更精确地捕获对象语义,并证明了技术的收敛性,实验证明其在聚类和图匹配方面表现优异。
Apr, 2017
本研究探讨了将图而非超图作为表示实际世界互联系统的建模选择的影响,提出了超图投影导致高阶关系丢失的两个普遍模式,并量化了在无额外帮助下恢复丢失高阶结构的组合不可能性。此外,基于学习的超图重建方法通过使用超边分布的重要统计量,在不同设置下在 8 个真实世界数据集上展示了良好的性能,并通过蛋白质排名和链接预测的用例展示了重建超图的优势。
Jan, 2024
本文介绍了一种新颖的超图分类算法,通过构建具有任意阶多项交互的超图,并采用超图种群来提高算法的性能和鲁棒性,在两个数据集上评估并证明了其相较于通用的随机森林分类算法具有良好的性能。
May, 2024
该研究论文提出了一种基于图形而非基于点的匹配算法,通过使用谱图理论将图形映射到低维空间来对齐形状和避免姿态变化带来的不变性问题,该算法通过直方图匹配来选择拉普拉斯矩阵的最佳特征函数子集以提高性能,并将形状匹配转化为点注册的问题。
Dec, 2020
本文通过实证研究探索了多个领域的真实超图数据集,并引入多级分解方法,探讨了其五个结构特性,为超图生成问题建立了基础,并提出了一个简单而有效的超图生成器模型。
Jun, 2020
本文提出了一种基于泊松度校正超图随机块模型(DCHSBM)的聚类方法,该方法利用最大似然推断来实现超图聚类,其聚类目标扩展了图的流行性目标,使用了一种新的基于节点整合的变化,具有高可扩展性。通过综合分析各种实验数据,包括学校联系网络、U.S. 国会议案、合作购买行为的产品类别和网站浏览会话的酒店位置,作者发现该聚类方法能够恢复具有相应高阶结构的真实聚类。
Jan, 2021
本文提出了一种基于图卷积的自适应分裂启发式方法,利用几何对象的图表示的附加结构来提高重建,优化本地表面和全局结构,应用于 ShapeNet 数据集的 3D 物体重建任务中,生成了具有最先进表现的自适应网格。
Jan, 2019