Oct, 2018

连接数据点：通过图信号处理识别网络结构

PDF
TL;DR本文介绍了图形学习方法，如何通过图信号了解底层网络拓扑，以及统计方法，使用相关分析学习高斯图模型，并介绍近期的 GSP 基础网络推断框架，以及对动态网络的推断，非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行概述。
graph learning methodsnetwork topology inferencegraph signal processingstatistical approacheslatent underlying structure
发现论文，激发创造
  • 从数据中学习图形：信号表示的视角

    本文综述了从统计学和物理学等传统观点以及从图信号处理 (GSP) 角度采用的更近期的方法。本文重点强调了传统和 GSP 为基础的图推理方法之间的概念上的异同，并强调了后一种方法在许多理论和实践情景中的潜在优势，并结论了未来信号处理和机器学习算法的设计面临的若干开放问题和挑战。

    Jun, 2018

  • 机器学习的图信号处理：一份综述和新视角

    该研究介绍了如何利用图信号处理的概念和工具，诸如图滤波器和变换，以开发新的机器学习算法，并提供了未来 GSP 技术发展的新视角，以解锁在现代数据分析中的许多挑战。

    Jul, 2020

  • 图信号处理：概述、挑战和应用

    本文总结了图信号处理领域的核心思想及其与数字信号处理的关系，并概述了图信号处理中的基本工具、各个应用领域的研究进展以及该领域在机器学习等方面的应用。

    Dec, 2017

  • 基于图信号处理的几何数据及其应用：理论与应用

    该论文综述了基于图形信号处理的几何数据的广泛应用，以及该领域内新兴的图神经网络，并讨论了其在处理几何数据中的作用与挑战。

    Aug, 2020

  • 图谱谱域图像处理

    该论文综述了最近图信号处理中用于图像处理的基于图谱技术，主要涉及图像压缩、图像修复、图像滤波和图像分割等方面。

    Jan, 2018

  • 从频谱模板推断网络拓扑

    本文提出了一种利用凸优化和图信号静态特性来从难以观测的图信号中恢复网络结构的图移位算法，数值实验验证了该方法在社交、大脑和氨基酸网络中的有效性。

    Aug, 2016

  • 基于单纯复形的拓扑信号处理

    本文旨在建立分析拓扑空间中定义的信号的基本工具，特别是用于处理定义在非度量空间上的信号，其中我们着重介绍定义在单纯复合体上的信号，并从代数拓扑的基本原理出发，在各阶信号之间强调相互作用和提取数据中单纯复合体拓扑的方法，最后通过实际应用案例验证所提出的方法的有效性。

    Jul, 2019

  • 图上的离散信号处理

    本研究将离散信号处理 (DSP) 延伸到图信号，利用 DSP 基本原理进行快速分类，压缩和预测线性不规则位置天气站数据和移动服务提供商客户行为数据以及图论和社交网络的数据分析和处理。

    Oct, 2012

  • 基于核的多图学习与图信号聚类

    在图信号处理（GSP）的背景下，图学习（GL）关注的是从节点观测（即图信号）中推断出图的拓扑结构。然而，数据通常是混合形式，涉及不同的底层结构。这种异质性需要对多个图进行联合聚类和学习。在许多现实应用中，节点侧协变量（即核函数）是可用的，并且必须被纳入考虑，而这并没有在现有的图信号聚类方法中得到解决。为此，受到丰富的 K-means 框架的启发，我们提出了一种新颖的基于核函数的算法，用于在同时对信号进行分区和为每个簇学习一个图的过程中将节点侧信息纳入考虑。数值实验证明了它相比于现有技术的有效性。

    Oct, 2023

  • 图信号处理新兴领域：将高维数据分析扩展到网络和其他不规则域

    本文概述了在图上信号处理的方法，从图谱论、多尺度变换的角度阐述了在处理高维数据的图结构方面的方法和挑战，并强调了考虑到图形数据不规则结构的重要性。

    Oct, 2012