利用三维和二维混合卷积神经网络提取高维空间和光谱特征，设计超像素图对比聚类模型，使用像素采样增强和模型权重增强来改善先验视图对比聚类，通过样本级对齐和聚类中心对比，优化超像素嵌入的类内相似性和类间差异性。在多个高光谱图像数据集上验证了该方法的优势，例如在 India Pines 数据集上，与最先进方法相比，模型的聚类准确率从 58.79% 提高到 67.59%。

Mar, 2024

从灰度引导图像和空间稀疏光谱线索中重构高光谱图像的上色算法，在低秩空间中上色可以减少计算时间和快门噪声的影响，以提高鲁棒性，并超过以往算法在多种性能指标方面，包括 SSIM、PSNR、GFC 和 EMD，这些结果为克服时间 - 空间 - 波长分辨率权衡提供了一种有希望的途径。

Mar, 2024

该论文提出了一种基于扩散的谱聚类和降维算法的概率解释，利用规范化图拉普拉斯算子的特征向量。通过定义数据点之间的扩散距离，并证明了对应马尔科夫矩阵的前几个特征向量的低维表示在一定均方误差标准下是最佳的。此外，假设数据点是从密度 $p (x)=e^{-U (x)}$ 中随机抽取的，作者将这些特征向量视为具有反射边界条件下潜在 $2U (x)$ 力学势中福克 - 普朗克算子的离散近似的本征函数。最后，应用已知结果，对连续福克 - 普朗克算子的本征值和本征函数进行解析，从而为基于前几个特征向量的谱聚类和降维算法的成功提供了数学论证。这项分析阐明了许多经验发现关于谱聚类算法的特征和扩散进程。

Jun, 2005

利用 Hamilton 算子的光谱几何及稀疏逼近框架，在顶点排序信息的基础上改进了离散 Laplace 算子，提出了一种数据相关的算子，从而实现了对 3D 网格的良好压缩性能。

Jul, 2017

本研究使用深度学习方法，探索利用条件生成对抗网络去除大体积伽马射线探测器的响应，并分析分段式伽马射线总吸收光谱仪 (TAS) 的解折叠方式。研究结果表明，我们的模型在大部分仿真测试中都在探测器分辨率范围内表现出良好的名称特征。

Jun, 2022

本文中提出了一种基于对称拉普拉斯特征值的图形裁剪增强方法和通过全局随机游走的局部子图对齐来改进图对比学习方法，并在不同类型的图表现中体现出更好的性能。

Feb, 2023

本文介绍了从训练图像中学习分析算子的算法，并将其应用于图像去噪、修补和超分辨率的领域，相对于专业技术上的最新方法具有竞争性的综合性能。

Apr, 2012

本研究提供了 Laplace-Beltrami 算子的本征函数在表征曲面光滑函数方面的最优性证明，并将其应用到应用形状和数据分析领域。该算子可以用于定义曲面上的尺度不变本征空间。此外，研究还包括用于计算几何距离的数值加速技术以及与 LBO 相对应的 PCA 定义。

Sep, 2014

该论文研究了图信号处理理论在语音增强中的应用。通过构建图语音信号并在图 Fourier 域中分析其谱与噪声谱的差异，提出图谱减法方法来抑制噪声干扰，进而提出迭代图谱减法以进一步提高语音增强性能。实验结果表明，所提出的方法在信噪比和语音质量评价方面均优于传统的基本谱减法和迭代基本谱减法。

Jun, 2020

该研究提出使用 Bethe Hessian operator 代替 non-backtracking operator 进行图的聚类，从而在检测聚类方面具备了 non-backtracking operator 的性能，同时具备了实数对称矩阵计算，理论和存储方面的优势。

Jun, 2014