- 机器学习的图信号处理：一份综述和新视角
该研究介绍了如何利用图信号处理的概念和工具，诸如图滤波器和变换，以开发新的机器学习算法，并提供了未来 GSP 技术发展的新视角，以解锁在现代数据分析中的许多挑战。
- 一种迭代图谱减法语音增强方法
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 - 图表，卷积和神经网络：从图滤波器到图神经网络
本文利用图信号处理来表征图神经网络（GNNs）的表征空间，讨论了图卷积滤波器在 GNNs 中的作用，并展示了这类滤波器所建立的任何架构都具有置换等变性和对网络拓扑的稳定性的基本属性。然后，我们讨论了扩展了边变量和自回归移动平均图滤波器的 G - 门控图循环神经网络
本文介绍了图递归神经网络 (GRNNs) 作为一种利用递归隐藏状态与图信号处理 (GSP) 相结合的学习框架，以学习来自于图处理中的时空结构。结果表明，GRNNs 在长期依赖问题上的表现优于 GNNs 和 RNNs。
- GRASS：基于可扩展的谱扰动分析的图谱稀疏化算法
本文提出了一种相似性感知的谱图稀疏化框架，利用有效的谱偏树边嵌入和过滤方案构建谱稀疏化，实现了保证谱相似度（相对条件数）水平的过滤，同时介绍了迭代图密度增加方案以促进高度病态问题的有效过滤。该方法已验证了各种公共领域稀疏矩阵收集到的图表，包 - AAAI针对图嵌入模型的受限黑盒对抗框架攻击
本文研究了图信号处理与图嵌入模型之间的理论联系，将图嵌入模型作为一个通用的图信号进程，并提出了一种广义的对抗攻击器：GF-Attack，该攻击只针对图滤波器，不需要访问任何目标分类器的知识。实验结果表明，我们的攻击器对多个基准数据集的不同图 - 基于单纯复形的拓扑信号处理
本文旨在建立分析拓扑空间中定义的信号的基本工具，特别是用于处理定义在非度量空间上的信号，其中我们着重介绍定义在单纯复合体上的信号，并从代数拓扑的基本原理出发，在各阶信号之间强调相互作用和提取数据中单纯复合体拓扑的方法，最后通过实际应用案例验 - 再探图神经网络：一切都是低通滤波器
本文研究了基于图形信号处理的理论框架，用于分析图神经网络的性能，结果表明，图神经网络仅对特性向量进行低通滤波，且没有非线性流形学习属性。进一步研究了它们对特征噪声的鲁棒性，并提出了一些基于 GCN 的图神经网络设计洞见。
- 关于谱图滤波器的可转移性
本文研究了图上的谱过滤，通过引入 Cayley 平滑空间，证明了谱滤波器是线性稳定且可转移的，并且可以在图信号处理和图卷积神经网络等领域得到有效应用。
- 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。
- 连接数据点：通过图信号处理识别网络结构
本文介绍了图形学习方法，如何通过图信号了解底层网络拓扑，以及统计方法，使用相关分析学习高斯图模型，并介绍近期的 GSP 基础网络推断框架，以及对动态网络的推断，非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行 - 使用图上的局部频率和非局部自相似进行点云修补
本文提出一种基于图信号处理的快速点云修复方法，利用点云的局部平滑性和非局部自相似性，将修复过程转换为优化问题，该方法相对于其他四种方法在客观和主观质量上表现明显更优。
- 边缘空间图信号处理：流平滑和去噪
本文介绍了一种基于 Edge-Laplacian 的图信号处理工具，能够有效处理编码流动概念的边缘信号，提出的新滤波器能够实现 (近似) 流量守恒和降噪，举例说明了在伦敦街道网络上处理合成交通流的具体应用。
- 寻找 GEMS：高维图信号的多尺度词典
本文提出了一种适用于更广泛类型的图信号的字典学习算法，该算法通过将学习到的字典原子强制设置为图小波函数的稀疏组合，以及添加直接的图约束来提高特征和多样性领域的平滑度，从而实现了对感兴趣的数据进行调整，同时遵循底层图结构和具有所需的多尺度属性 - 从数据中学习图形：信号表示的视角
本文综述了从统计学和物理学等传统观点以及从图信号处理 (GSP) 角度采用的更近期的方法。本文重点强调了传统和 GSP 为基础的图推理方法之间的概念上的异同，并强调了后一种方法在许多理论和实践情景中的潜在优势，并结论了未来信号处理和机器学习 - 基于图的信号的卷积神经网络架构
该研究探索了卷积神经网络在图信号处理方面的应用，通过构建选择图神经网络和聚合图神经网络，对信号的卷积和池化进行了重新解释，实现了在图数据上的卷积神经网络。此外，该研究还对选择和聚合图神经网络在一个基于源定位和作者归属的应用中进行了性能分析和 - 图谱谱域图像处理
该论文综述了最近图信号处理中用于图像处理的基于图谱技术，主要涉及图像压缩、图像修复、图像滤波和图像分割等方面。
- 图信号的采样和恢复
本文概述了关于图信号采样和恢复的最新进展，包括完美恢复带限图信号的条件、减轻噪声和模型不匹配效应的采样设计标准、自适应恢复和跟踪动态图信号的算法和最优采样策略，以及图信号处理方法在采样、插值和跟踪不规则域信号方面的潜在优势。
- 图信号处理：概述、挑战和应用
本文总结了图信号处理领域的核心思想及其与数字信号处理的关系，并概述了图信号处理中的基本工具、各个应用领域的研究进展以及该领域在机器学习等方面的应用。
- 边缘过滤相似度感知谱稀疏化
本文提出了一种基于相似度感知的谱图度规化框架，利用有效的谱离线嵌入和过滤方案构建保证谱相似度（相对条件数）水平的谱度规化器，并引入迭代图稠密化方案以促进高度病态问题的有效过滤。