Nov, 2023

图形 GOSPA 度量：衡量不同尺寸图形之间的差异度量

PDF
TL;DR提出一种用于度量具有不同节点数量的图之间不相似性的测量方法，该方法基于泛化的最优子模式分配（GOSPA）度量对图进行了扩展，并包括与节点属性错误、缺失和虚假节点以及图之间的边不匹配相关的成本。该度量的计算基于在两个图之间找到节点之间的最优分配，并可能保留一些节点未分配，同时还提出了一种低界，该低界也是一种图度量，可以使用线性规划在多项式时间内计算。该度量首先针对无向无权图进行推导，然后扩展到有向和有权图，并通过模拟和实证数据集展示了其性质。
graph dissimilaritygospa metricnode assignmentgraph attributesoptimal assignments
发现论文，激发创造
  • 广义最优子模式分配度量

    本文提出了广义最优子模式赋值（GOSPA）指标，可用于表达多目标跟踪（MTT）性能的局部化和错失或虚假目标误差，并扩展到随机有限集的空间以严谨地评估 MTT 算法。

    Jan, 2016

  • 图之间的测地距离：一种用于评估图神经网络稳定性的谱度量

    通过引入图测地线距离（GGD）度量，本文提出了一种用于评估图神经网络（GNNs）泛化性和稳定性的光谱框架。通过引入光谱图匹配过程找到节点对应关系并计算其测地线距离，通过减小较大图的尺寸但保留原始光谱特性的阻抗型光谱图粗化方案降低了图的大小。实验证明，所提出的 GGD 度量能够有效量化两个图之间的差异，包括节点之间的有效电阻、切割、随机行走的混合时间等结构（光谱）属性，与最新的 Tree-Mover's Distance（TMD）度量相比，提出的 GGD 度量在仅有部分节点特征可用时，对 GNN 的稳定性评估表现出显著改进。

    Jun, 2024

  • 图神经网络的扩展图评估指标

    通过引入扩展图评估指标（GAMs），我们研究了患者队列的重组、人口图形的构建以及使用图神经网络进行医学相关的任务，展示了这些评估指标与模型性能之间的相关性。

    Jul, 2023

  • 可扩展的无监督通用度量和非度量结构对齐

    通过学习相关可扩展的线性分配问题，我们提出了一种对数据进行对齐的方法，该方法在单细胞多组学和神经潜伏空间的数据集上取得了最先进的性能，并且在概念上和计算上非常简单。

    Jun, 2024

  • 基于图分割和空间投影的异质网络嵌入方法 - GPSP

    提出 GPSP，通过图分区和空间投影，学习多类型节点和链接的异构网络表示，各个子网中学习投影嵌入向量，将来自双部分子网的投影向量与同质子网的向量进行连接，展示出 GPSP 在结点分类与聚类等关键网络挖掘任务上的表现胜过现有基础线。

    Mar, 2018

  • GOT: 一种图比较的最优传输框架

    我们提出了一个完全新的基于最优传输的框架，用于比较图形，该框架能够有效地解决不同任务，如图形对齐，图形分类和图形信号预测问题，通过显式解析 Wasserstein 距离的表达式，其中图拉普拉斯矩阵被用来描述类似于曲面的图形信号分布的概率分布，最终优化处理的难点是用基于贝叶斯探索的随机算法来破解图形对齐问题的非凸性。

    Jun, 2019

  • 图的频谱对齐

    本文提出了一种改进的广义图对齐方法，该方法结合了匹配和不匹配两种条件，在不同的图案例中，通过矩阵的谱分解达到了较好的性能表现，尤其在对齐正则图结构方面显著优于现有方法。

    Feb, 2016

  • 度量学习的广义汇总池化

    通过将每个特征向量视为不同的语义实体，并将 GAP 视为其的凸组合，我们将 GAP 广义化为可学习的广义求和池化方法（GSP），通过选择语义实体的子集并学习对应的权重，提高了 GAP 的能力，进而通过在 4 个流行的度量学习基准上进行深入评估来证明我们方法的有效性。

    Aug, 2023

  • GASP：一种广义的聚类有向图框架及其在实例分割中的应用

    介绍了一种理论框架，将层次聚类算法简化扩展到具有吸引和排斥相互作用的加权图中以及通过 GASP 这一更广泛的算法来实现分区。并在 CREMI 2016 EM 分割基准测试中展示了实现分割管道的方法，从像素到最终分割的简单程序，实现了最先进的准确性。

    Jun, 2019

  • 图谱上的频谱距离

    通过对每个图分配基于标准化拉普拉斯谱的概率度量，并使用概率度量之间的 L ^ p Wasserstein 距离，我们在所有图形的集合上定义了相应的谱距离 d_p。当将 d_1 作为拟度量空间的概率度量空间的直径时，我们证明了一。通过交错不等式研究了图形尺寸趋于无穷时的 d_1 行为，旨在探索大型真实网络。模拟观察到了 d_1 与生物网络的进化距离之间的单调关系。

    Feb, 2014