关键词graph laplacian regularizer
搜索结果 - 4
- 通过重加权和调整实现个体公平性
通过在德国信贷批准数据集上的实验证明，将图拉普拉斯正则化程序用于算法公平性技术可以提高个人公平性并降低偏差，同时揭示了 Prediction Consistency 评分可能会误导的问题。
- 通过二分图近似和重新加权图拉普拉斯进行 3D 点云去噪
本文提出了一种基于最近图信号处理的本地算法来进行三维点云去噪，具体而言，使用重新加权图拉普拉斯正则化器来进行表面法线进行正则化，进而通过二分图逼近和优化实现了局部去噪性能。
- 利用低维流形模型的图拉普拉斯正则化进行 3D 点云去噪
本文提出一种基于低维流形模型和图拉普拉斯正则化器的 3D 点云去噪方法，通过近似离散观测的流形维度计算，并且采用一种新的离散补丁距离度量来构建一个抗噪声的图形结构，并取得了比当前最先进方法更好的性能和更好的结构特征保持。
- 图拉普拉斯正则化器的偏差方差平衡
本文提供一种有偏差方差权衡的图拉普拉斯正则化方法，该方法广泛应用于图信号处理和半监督学习任务。在分析中，将最优正则化参数的尺度定于谱图属性和信噪比参数，并应用于三种应用（包括随机信号、带限信号和多样本图信号）。通过实验验证了所建立分析的接近