Feb, 2019

基于配对约束的可实践最大团算法

PDF
TL;DR本文提出了一种非常高效的最大团算法，通过组合策略和基于图着色的边界和修剪，解决了匹配的成对约束问题，从而解决了三维点云配准中的问题。
3d point cloud registrationkeypoint correspondencesoutlierscombinatorial problemmaximum clique algorithm
发现论文，激发创造
  • 最大团的 3D 配准

    本文提出了一种基于最大团的三维点云配准方法，使用图形挖掘更多的局部信息来获取更精确的姿态假设并且在多项实验中表现出比其他算法更好的性能。

    May, 2023

  • CLIPPER+：一种用于稳健全局配准的快速极大团算法

    CLIPPER + 是一种用于异常鲁棒的全局配准的寻找最大团的算法，通过近似求解最大团问题以提高计算效率和解决方案准确性，在标准图基准、合成和真实世界点云配准问题上表现出最高的准确性。

    Feb, 2024

  • 大规模图上最大团问题的快速算法及其在重叠社团检测中的应用

    提出了一种使用新的修剪技术的确切算法，可快速在非常大、稀疏的图中找到最大团，并提出了一个快得多且提供最优或接近最优解的启发式算法，同时在网络中检测重叠社区的开发方法。

    Nov, 2014

  • 并行极大团算法及其在网络分析和存储方面的应用

    该论文提出了一种快速、并行的最大团算法，特别适用于求解大型稀疏图，具备线性运行时特性，并且采用巧妙的预剪枝和分支策略，通过核心数和启发式算法发现关键点，同时使用并行搜索树加速探索；应用该算法计算强时间连通性和压缩图。

    Feb, 2013

  • 大规模稀疏图上最大团问题的快速算法

    本研究提出了一种基于新颖的修剪技术的精确算法，能够在大型稀疏图中快速找到最大团。实验结果表明，在大多数情况下，我们的算法比现有算法快数个数量级，并且我们还提出了一种能够在最优或接近最优解的情况下比精确算法快数个数量级的启发式变体。

    Sep, 2012

  • 最大团问题的新方法综述：从经典算法到图神经网络和量子算法

    这篇论文对最大团问题进行了全面的综述，介绍了解决该问题的经典算法，并对图神经网络和量子算法的最新发展进行了回顾，并提供了用于测试经典、新学习和量子算法的基准。

    Mar, 2024

  • 人脸聚类：表征与成对约束

    该研究提出了一种基于 ResNet 的面部表示方法，并利用 Conditional Pairwise Clustering（ConPaC），将面部图像聚类，得出的实验结果表明 ConPaC 的性能优异，可以自动选择聚类数量，并保留面部图像之间的相似度。还提出了 k-NN 变体，适用于大型数据集。

    Jun, 2017

  • 使用随机团复合体求解部分赋值问题

    该论文提出了一个将部分任务问题作为匹配随机团复合体的替代公式，这些复合体是随机图的高阶模拟物，旨在提供一组不变量以更好地检测高阶结构。

    Jul, 2019

  • 最大团问题的搜索树形状及其对并行分支界限的影响

    通过比较两种基于多核线程并行的最大团问题的分支定界算法的并行适应性，进一步提出了一种低开销、可扩展的工作分割机制，并通过解释并行搜索顺序和搜索空间内解的可能位置之间的交互来说明成功的原因。

    Jan, 2014

  • 利用最大矩阵范数耦合的概率聚类

    采用局部信息论方法显式地学习离散随机变量的概率聚类，并且通过渐近升级和交替升级算法来解决优化问题。 通过与现有技术的竞争和实验验证，表明该方法值得进一步研究。

    Oct, 2018