- 改进的谱聚类算法分析
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。
- AAAI基于深度强化学习的流处理通用资源分配
本文介绍了一种图嵌入式的编码器 - 解码器框架,以实现在流处理中分配资源任务,同时确保工作负载平衡和通信最小化。采用深度强化学习方法,有效地学习和求解未知图的最优解,并在测试中表现优于 METIS 算法和基于 LSTM 的编码器 - 解码器 - IJCAI一种基于 3D 卷积的空间和时间光谱目标分割方法
本论文提出了一种基于图分割的物体分割方法,通过 3D 滤波技术计算像素图的主聚类来实现,其与传统迭代方法相比速度更快且实现更简便,同时要求在像素级别上保持空间和时间的物体一致性,其在未监督和半监督的 DAVIS-2016 数据集上得到了比同 - 可扩展的 Gromov-Wasserstein 学习用于图分割和匹配
提出了一个可扩展的 Gromov-Wasserstein 学习(S-GWL)方法,用于大规模图分析,通过学习多个观察到的图的 Gromov-Wasserstein 重心图来实现多图分区和匹配,并将其统一到同一框架中,从而在准确性和效率之间取 - Mutex Watershed 及其目标:高效、无需参数的图分割
提出一种新的高效的图分割算法 —— 互斥分水岭算法,该算法可以准确地将图像分割为多个不同的片段并解决多切割问题,适用于深度神经网络中的短距离吸引和长距离排斥数据。
- PyTorch-BigGraph:大规模图嵌入系统
通过对现有的图嵌入系统进行多方面调整,将图划分为更小的子图进行处理,我们提出了创新型的 PyTorch-BigGraph (PBG) 嵌入系统,其可以扩展到包含数十亿个节点和万亿条边的图谱,使得我们能够对大型社交网络图和 Freebase - GAP: 通用的近似图分区框架
本研究提出了基于深度学习的 GAP 框架来解决节点分割问题。通过定义不同 iable 损失函数以及利用反向传播来优化网络参数,实现基于图结构的节点分割。相较于传统的分割方法,GAP 不仅更快,并且具有良好的扩展性能力,可适用于不同的图结构, - ICLR最近邻搜索的学习空间划分
本研究提出一种新的框架用于构建空间划分,将问题转化为平衡图划分和监督分类,并结合 KaHIP 图分区器和神经网络,实现了一种新的分区过程称为神经局部敏感哈希(Neural LSH),实验证明 Neural LSH 的分区在标准最近邻搜索(N - COSINE: 大规模信息网络上的压缩网络嵌入
本研究提出了一种名为 COSINE 的算法,它利用网络中节点相似的邻居特性,在训练过程中通过参数共享来降低内存开销并加速训练,并通过图分区算法构建节点间的参数共享依赖关系,使得网络嵌入更为高效和有效。COSINE 可应用于任何嵌入式查找方法 - 利用有效电阻进行图聚类
设计了一种多项式时间算法,可将任何加权无向图划分为子集并使子图的有效电阻直径不超过平均加权度的倒数,证明了有效阻抗与低电导集之间的新联系,并提出该联系可能对算法设计独立地产生兴趣。
- MM一种基于压缩感知的社团检测方法及应用
该研究提出了基于稀疏线性系统和两阶段阈值和压缩感知算法的社区检测问题解决方案,在较小计算量内有效地在 Stochastic Block Model 模型的随机图数据以及真实数据集上实现图的划分。
- 最大独立集的可扩展核化算法
本文提出一种基于图分割和并行二分图最大匹配的高效并行核化算法,通过依赖检查和约简跟踪技术加速核化,能够同时快速生成小内核,以及找到最小内核并加速发现最大独立集,取得比现有最快算法更小的内核大小和类似执行时间的优势。
- 存在误差下的学习社区
本文研究了学习社区并提供了鲁棒性恢复算法来解决 SBM 中建模误差的问题,SBM 广泛用于各个领域中的社区检测和图划分。我们考虑了两种 adversarial error,并回答了一个开放性问题,证明了我们的算法即使在 k>2 的情况下也可 - 近似谱聚类:效率和保证
ASC 是一种用于图分区的启发式算法,其包含两个子程序,即通过幂方法计算近似的谱嵌入,并使用近似的 k-means 聚类算法对 resulting vector set 进行分区,通过其得到的 k-means 分区自然地引发了 G 中的 k - 通过并行次模逼近进行图分区以加速分布式机器学习
该论文提出了一种基于图分割的分布式计算算法,其可以有效降低数据分布式处理过程中的通信成本,实验结果表明该算法能够在机器学习系统中实现 1.6 倍的加速,并且消除 90%的网络通信。
- 图分割的最新进展
论文探讨了平衡图分割领域中最近趋势的算法,应用和未来的研究方向。
- 扩张图的划分
本文介绍了一种使用谱算法的简单多项式时间用于进行图分割的方法,旨在寻找具有网络传导性和诱导子图的低导纳集合,并且提出了一种找到最佳 k 聚类的方法,其中 k 是一个整数,而且这种方法与 Cheeger's inequality 有所不同。
- 一个基于动力学的框架用于社区检测中的图分割稳定性
该研究论文旨在探讨一种基于动力学的社区检测方法,并结合已有的启发式方法,提出一个新的计算准则来解释社区结构的不同方面和问题。
- 基于流的局部图聚类算法
本文介绍了一种名为 LocalImprove 的算法,应用于设计更好的本地图分区算法,该算法是首个切割改进算法,具有局部性质,可以在更短的时间内运行,同时与 Andersen 和 Lang 的全局算法具有相同的理论保证,解决了先前基于随机行 - 图分割的高级粗化方案
本研究探讨了图划分问题中的粗化阶段,通过比较不同的匹配和 AMG(代数多重网格)粗化方案,并通过在不同类型的图上进行实验来展示不同粗化方案的运行时间和质量优势。