本文介绍了一种基于核函数和克里格 - Kalman 滤波器的图信号重建方法，其结合多核心选择模块，来优化信号动态变化下的核函数选择和同时减少计算复杂度，实验结果表明，该方法在信号重建方面优于现有的最新算法。

Nov, 2017

针对在网络上的信息 / 影响 / 疾病扩散，本研究提出了一种基于离散网络的连续时间过程模型，通过已感染节点的传染事件推断全局扩散网络的边缘和每条边缘的传输速率，进而预测、影响和抑制感染传播。该模型具有稀疏解决方案，无需参数调整，可轻松适用于规模在数千到数十万的网络，实验证实了该算法的效果良好。

May, 2011

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

本论文提出了一种新的基于核函数的图函数重建框架，该框架能够适应时间演化拓扑下的时变函数，并提供了两种互补强度的时空核构造指南，同时引入了批处理和在线估计方法，以及一种新型的核卡尔曼滤波方法，数值测试显示与竞争方法相比，该方法具有显著优势。

Dec, 2016

该论文旨在提供时间感知知识图扩展的简要但定义明确的概述，以促进该领域的未来研究。

Jul, 2022

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

本研究提出了基于图点过程的方法来预测未来的事件，并利用图神经网络模型来表示可学习核，实现了对事件之间的关系结构的揭示，该方法在预测未来事件和展示数据关系结构方面优于现有方法。

Jun, 2023

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

现有动态图分类方法要么将图内核扩展到时间域，要么使用图神经网络 (GNNs)。然而，当前基准存在可扩展性问题，不能处理变化的节点集，或者不考虑边权重信息。我们提出了滤波表面，一种具有可扩展性和灵活性的新方法，以缓解上述限制。我们在基于边权重信息的数据集上实验证实了模型的有效性，并展示滤波表面在性能上胜过先前的最优方法。我们的方法要么是完全无参数的，要么最多只有一个参数，并且产生最低的总体标准差。

Sep, 2023

本文提出了一种基于物理学的热核和 DropNode 技术生成时间图增量的方法，用于描述系统的演变行为；同时，还提出了 GDTW 动态时间包裹距离的方法，用于量化演化系统之间的距离，结果在真实世界的结构图数据集上的分类问题中，通过演化核方法获得了显著的分类准确率提高。

Jun, 2023