通过提出一种新的谱扩散框架,将空间依赖性和交通数据中的系统模式充分利用,我们的模型在交通流量和交通速度数据上表现出色,超越了最先进的基准模型。
Jan, 2024
基于发现的结果,我们提出了 STAG,这是一个 GNN 服务框架,它能够实现 GNN 服务的低延迟和低陈旧度。它包括协作服务机制和基于可加性的增量传播策略。
Sep, 2023
本文提出了一种叫作 SpecSumm 的算法,它利用了整数最大化和谱图理论的思想,通过节点聚合来实现图形概括,并通过贪婪启发式和 k-means 算法来进一步改进概括质量。实验证明,这个算法可以比现有算法更有效地处理数百万节点的大规模图形。
Nov, 2022
本文探讨了基于谱算法的图分割技术,阐述了相关算法在数据分析中的应用,通过对图的一定假设条件,通过优化谱嵌入图算法的表现提供更好性能保证。
Dec, 2019
采用自适应随机梯度优化的实用方法可以学习拉普拉斯矩阵的完整光谱,且每个迭代的成本与样本数量成线性关系,实验证明其具备比近似方法更好的计算可扩展性。
Jul, 2016
本文提出了一种基于图信号处理的快速谱聚类算法,通过使用图滤波器对随机信号进行谱聚类距离矩阵的估计,利用这些随机向量的随机性来估计聚类数目 k,相较于传统谱聚类方法,我们的方法在大规模数据集上表现相当且速度至少快二倍。
Sep, 2015
本研究提出了一种基于顶点嵌入的简单谱聚类算法,通过幂法计算的向量,在接近线性时间内计算顶点嵌入,并在输入图形的自然假设下,算法能够可靠地恢复出真实聚类结果。通过在多个合成和现实世界数据集上的评估发现,该算法与其他聚类算法相比,具有显著更快的速度,并且产生的聚类准确度基本相同。
Oct, 2023
本文介绍了一种新的谱聚类算法,它扩展了之前的算法结果,删除了对最小度数的假设,并通过统计模型来解释网络中出现的星形图案在本质上的性质。
Sep, 2013
本文提出了一种新颖的基于谱的算法,并利用基于随机图模型下的谱特性设计出叠加社区网络中的聚类算法,成功地在模拟数据和真实图像数据中实现较好的表现。
Jun, 2015
该论文介绍了谱聚类算法和图拉普拉斯的基本性质,推导了不同的谱聚类算法,比较了它们之间的优缺点。
Nov, 2007