![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图信号
IE猫
这个作者很懒,什么都没留下…
展开
-
图嵌入(拉普拉斯特征映射Laplacian Eigenmaps)
图嵌入(Graph embedding)的意义Graph广泛存在于真实世界的多种场景中,即节点和边的集合。比如社交网络中人与人之间的联系,生物中蛋白质相互作用以及通信网络中的IP地址之间的通信等等。除此之外,我们最常见的一张图片、一个句子也可以抽象地看做是一个图模型的结构,图结构可以说是无处不在。通过对它们的分析,我们可以深入了解社会结构、语言和不同的交流模式,因此图一直是学界研究的热点。图分析任务可以大致抽象为以下四类:( a )节点分类:节点分类旨在基于其他标记的节点和网络拓扑来确定节点的标签(也原创 2020-12-04 16:31:54 · 4505 阅读 · 4 评论 -
论文笔记:DynamicHypergraphNeuralNetworks
一、作者发现的问题:graph(为了区别图像image) 的 NN (neural networks) 只使用的graph/Hypergraph 初始的图结构,忽略了训练过程中的特征嵌入问题。**二、解决方法:**提出了新的超图模型DHGNN=DHG(超图结构)+HGC(超图卷积)1.DHG模块: 先根据k-means聚类X,即预先处理X,方便建模。(k-means处理X流程)1.1 k-means聚类算法(k均值算法)原理:它是以欧式距离为计算标准。比如:计算的2个特征之间的欧式距离越近,算原创 2020-06-08 11:39:58 · 1486 阅读 · 0 评论