本研究提出了一种基于图的汇聚算法用于高维数据聚类,该算法通过研究图论中的两个基本概念(入度和出度)在聚类中的不同作用,定义了聚类的亲和度,该算法在图像聚类和物体匹配两个计算机视觉问题上均表现出优于最先进技术的效果。
Aug, 2012
论文研究了基于图形数据集表示的正常样本度量方法,通过对频谱图和核方法进行分析和连接,证明了使用基于通用核的全连接图上的简单图度量方法,能够实现比其他无监督异常检测方法更高的准确率,并详细分析了核参数对方法准确性的影响。
Jan, 2018
基于图信号处理的方法,优化了 $k$- 最近邻图 ($k$NNGs) 中 $k$ 的选择问题,通过离散优化问题求解最佳 $k$ 值,从而实现了点云去噪。
Jan, 2024
本文提出了一种基于图遍历和压缩表征的方法,该方法编码可索引向量使用量化和利用图结构改进相似度估计。该方法在保证较小比较集的高精度及显著内存压缩的同时,在 64-128 字节每向量的操作点上,优于现有技术在二十亿规模公共基准测试中的表现。
Apr, 2018
本文讨论如何应对知识图谱补全中存在的度量偏差,提出了一种新的数据增强方法 KG-Mixup,并进行了广泛的实验验证。
Feb, 2023
研究使用图形草图和本地采样构建的数据结构来处理在消除过程中矩阵近似填充度的问题,并导出可用于生成近似的贪婪最小度量排序的近线性时间算法,以及解决了内部随机性导致的失败问题。
研究基于随机数据点邻域图的聚类算法,探讨构建何种邻域图以获得最优聚类结果,以及该选用何种邻域图和最优参数 k 的疑问,并使用随机几何图理论技术证明在一个无噪声或嘈杂设置中,可以成功识别聚类的概率。
Dec, 2009
在高维点集中,基于图的最近邻搜索方法中的可导航图构建问题引起了广泛关注,本论文首次给出了平均度为 O(√(nlogn))的可导航图的简单有效构建方式,并证明了在 O(logn)维的欧氏度量下,任意随机点集不可能存在平均度为 O(n^α)的可导航图,其中 α < 1/2。
May, 2024
本文提出 DEGREE 方法,通过分解 GNN 信息生成和聚合机制,实现对输入图中特定组件对最终预测的贡献的跟踪,并设计了子图级别解释算法来揭示先前方法忽略的图节点之间的复杂交互,实现了节点分类任务上的有效性。
May, 2023
在给定的有向图中选择一个大小为 k 的代理人子集,将入度之和最大化,并设计不需要付款的机制以满足策略无关性和近似最优性约束。具有近似比例边界的策略无关机制的近似比例上限为四对于任何 k 值,并随着 k 的增加逼近一。
Oct, 2009