通过扩展线性代数到再生核希尔伯特空间（RKHS）并将其简化为Sylvester方程的算法，我们构建了一个统一的框架来研究图形内核，这使得内核计算的时间复杂度从O（n^6）降至O（n^3），当图形稀疏时，共轭梯度求解器或固定点迭代带入子立方域。

Jul, 2008

本文研究基于图信号的信号处理问题，提出了一种基于核回归的模型方法，能够有效地处理图信号的重构和估计问题，并通过多核方法的应用，解决了参数选择和滤波器自动选择的难题。

May, 2016

本研究总结了过去 15 年中用于核心基础图分类问题的技术，并在一系列基准测试和新数据集上对几种热门核进行了性能比对，发现对于某些数据集，简单的基准测试经过高斯 RBF 核转换后可以得到竞争性的结果；此外，还对现有的图核进行了实证研究，并据此得出了一个从数据角度出发的核分类方案。最后，基于实验结果，本文为核基础图分类提供了从实践角度出发的指南。

Mar, 2019

这篇综述文章介绍了在结构化数据学习中，图核函数及其相关发展十分引人瞩目和广泛应用。文章总结了近二十年来发展出的几十种图核函数，介绍了图核函数在社交网络及生物信息学等领域的成功应用，并提供了一些有关图核函数的应用和挑战的讨论。

Apr, 2019

本文提出了一种新的全局对齐图核算法，该算法利用几何节点嵌入和基于 Earth Mover's distance 的关联节点传输，得到的图嵌入称为“随机图嵌入（RGE）”，可以通过定义在随机图上的分布自然地产生随机特征近似，实验结果表明 RGE 超越或匹配了十二个最先进的图分类算法。

Nov, 2019

本文介绍了一种多层图形核的家族，并建立了图卷积神经网络与核方法之间的新联系。利用核特征图形的序列表示图形数据，从而将卷积核网络推广到了图形结构数据，实现了高效的数据表示和训练。在多个图形分类基准测试中，该方法实现了竞争性的性能，同时提供了简单的模型解释。

Mar, 2020

该论文综述了现有的图内核方法，包括其应用、软件和数据资源，以及现阶段最先进的图内核进行的实证比较，以解决图形相似度评估问题，进而在分类和回归模型中进行预测。

Nov, 2020

本文提出了一种新型图核心方法，称为多尺度路径结构图核心方法（MPG），它考虑了子结构的分布和不同尺度的图结构，并使用Wasserstein距离计算相似度，实验结果表明其性能超越了现有方法。

Jun, 2022

本文介绍了图随机特征（GRFs）的机制，并对其进行了理论和实证分析。GRFs可以用于构建基于图节点定义的多个重要核函数的无偏随机估计器。相比传统的图核函数算法，GRFs具有显著的计算性能。此外，GRFs还提供了一种简单的分布式算法以及其改进版本q-GRFs来优化GRFs的方差，尤其适用于解决具有正对称矩阵的线性方程组。

Apr, 2023

该研究提出了改进的图核函数RWK+，引入了颜色匹配的随机游走并导出了高效的计算方法，进而提出了使用RWK+为核心的KCN模型RWK+CN，通过无监督目标学习描述性图特征。此外，该研究还在实验中展示了RWK+的表达能力以及RWK+Conv层在图级任务上的有效性，并说明了RWK+和RWK+Conv在各种真实世界应用中的适应性。

Feb, 2024