ICASSP 21 graph clustering 大连理工

已于 2022-09-20 13:59:47 修改
阅读量920 收藏
点赞数 1
分类专栏： GNN-graph-level 文章标签： 深度学习
于 2022-03-21 12:35:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40926715/article/details/123632310
版权

多图聚类---graph level 上的工作

三个模块： FT GE EC +一个对比损失

        多图卷积 实质上就是 GCN ，把每层的表征拼接， 对node每一维采用了max pooling 获得图级表征。

K是一个图核函数 说是通过XA计算， W是 一个特征转化矩阵，还是拼接H个图表征

前面两次都是 GCN形式的embed

        这里加入一个K-means的目标函数，聚类生成的伪标签作为ground-truth，和mlp的softmax生成的输出形成自监督。 整体就是无标签，无监督的框架，但是聚类的伪标签生成自监督信息 

考虑图的拓扑信息，加入了一个重构损失

最初网络不强，可能差，加入一个对比损失，使得学到的Z尽可能多的保留X的图信息，这个是一个对抗损失 参考文献13 是NCE 损失

实验设置 说出前面那个图核 是WLK SPK graphlet的平均， 各层的维度 和  各个损失的参数，Ls是自监督损失，Lr 重构 Lc 是对比nce 似乎这个 自监督损失最有效果 在ENZYMES上sota很多

 

Complicated__76
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Deep learning in graph clustering 论文两篇
DawnRanger的专栏
08-16 4593
1. Learning Deep Representations for Graph Clustering论文信息：Tian, Fei, et al. “Learning Deep Representations for Graph Clustering.” AAAI. 2014.来自微软亚洲研究院，这是最早将深度学习应用于图聚类问题(graph clustering)的文章。论文的思路非常简单，首
论文笔记之Learning Deep Representations for Graph Clustering
BVL的博客
01-09 3946
本篇论文是2014年AAAI的一篇论文。思想也比较简单，主要是采用SAE（栈式自编码），在graph上进行node embedding，将embedding得到的每个node的vector做为输入，进行graph cluster。论文中采用的是最常用的k-means方法来cluster。算法如下： step1 得到graph的n*n的邻接矩阵S和度矩阵Dstep2 将D’S作为SAE的输入
Data Mining:图聚类(Graph clustering)
Night__owl的博客
09-18 4720
Betweenness Centrality (from wikipedia) 在图论中，介数中心性（英語：Betweenness Centrality）是基于最短路径针对网络图中心性的衡量标准之一。针对全连接网络图，其中任意两个节点均至少存在一个最短路径，在无权重网络图中该最短路径是路径包含边的数量求和，加权网络图中该最短路径则是路径包含边的权重求和。每个节点的介数中心性即为这些最短路径穿过该节点的次数。 Girvan-Newman algorithm （格里-纽曼算法） 1. 首先计算网络中..
快速上手：图聚类入门 Graph Clustering
热门推荐
YoHu人家的博客
07-15 3万+
硕士研究工作基本告一段落了，静候佳音中～最近实习期做的东西还挺有意思，再加上一些别的原因，大概率不会读博了（碎碎念） 其实一直想总结一下近几年的图节点聚类的一些工作，算是一个逗号吧。 个人总结，若有错误欢迎指正。 本文从问题定义入手，再到近几年的工作，最后进行横向对比，并提供一些个人向的future work（俗称画饼），以供参考。 文章目录先验知识聚类图图神经网络图节点聚类 先验知识 这部分介绍一下聚类、图、图神经网络。都掌握的不错的同学可以直接跳过。 聚类 聚类就是在未知标签的前提下，将样本集合分为多个
【社区发现/图聚类算法】pSCAN: Fast and exact structural graph clustering
梁瑛平的博客
06-07 5394
【社区发现/图聚类算法】pSCAN: Fast and exact structural graph clustering一、论文地址：二、任务简介：三、SCAN算法：四、PSCAN算法：4.1 摘要：4.2 任务介绍：4.3 现有方法的不足：4.4 本文的贡献：4.5 一些基本概念：4.5.1 定义一：4.5.2 定义二：4.5.3 定义三：4.5.4 定义四：4.5.5 定义五：4.6 SCAN算法分析：4.7 新的范式：4.7.1 观察一：4.7.2 观察二：4.7.3 观察三：4.7.4 范式：集群
ICASSP 2021 论文latex模板
09-18
**ICASSP 2021 论文 LaTeX 模板详解** 国际音频信号处理大会（International Conference on Acoustics, Speech, and Signal Processing，简称ICASSP）是信号处理领域的重要学术会议，每年吸引着全球众多研究者提交...
ICASSP2022会议Latex模板包含spconf.sty文件
09-07
ICASSP，全称为 IEEE International Conference on Acoustics, Speech, and Signal Processing，是全球音频、语音和信号处理领域最权威的国际会议之一。每年，ICASSP 都会为研究者提供一个平台，分享他们在相关领域...
icassp_论文模板_
11-11
icassp_论文模板
ICASSP2022LatexTemplate.rar
09-23
《ICASSP2022 LaTeX模板详解及应用》 国际音频、语音和信号处理会议（International Conference on Acoustics, Speech and Signal Processing，简称ICASSP）是全球范围内该领域的顶级学术盛会，每年都会吸引众多...
icassp2019-latex-template：ICASSP 2019官方乳胶模板
02-03
《ICASSP 2019 LaTeX 模板详解及应用》 国际音频、语音与信号处理会议（International Conference on Acoustics, Speech and Signal Processing，简称ICASSP）是全球该领域的顶级学术盛会，每年都会吸引众多研究...
graph-clustering-algorithms:图聚类算法的准确率和运行时间比较
07-07
图聚类算法 图聚类算法的准确率和运行时间比较
基于内部节点拓扑的多图聚类及其在脑网络中的应用
03-07
基于内部节点拓扑的多图聚类及其在脑网络中的应用
日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）
qq_45073095的博客
03-22 1399
将自己在平时学习中遇到的好资源、好文章进行记录；本篇记录的主要是本人的研究方向（Graph Clustering and GNN）相关的资源。
ICASSP21 RGLN： 图结构学习--- 北大
qq_40926715的博客
03-20 267
从高斯核确定边的权值出发，讲出图优化的最小目标函数： 离得近 权值大，离得远节点，权值小。本文之后将对这个权值w进行学习 所谓的相似性保留map就是 嵌入的过程 写成矩阵的迹的形式 引入M（mahalanobis距离）这个半正定对称矩阵 可以对角化，对角元素为特征值 非负，开根号后可以 合并到正交矩阵Q中，从而实现M=R *R ^T. 推出图学习的损失函数，通过式子5 得到 edge weight，从而获得一个邻接矩阵。 本文采用原始的和学得之和 ...
2020 ICASSP之人脸识别：Facial Feature Embedded CycleGAN for VIS-NIR Translation
makabaka的博客
03-11 2655
Facial Feature Embedded CycleGAN for VIS-NIR Translation 当前的问题及概述： 由于两个模态的光谱成分的差异以及配对训练数据的不足，可见光-红外跨模态人脸识别仍然是一个具有挑战性的任务。 本文提出了一种将可见光人脸图像转换成伪近红外图像的方法，该方法通过嵌入CycleGAN的一种新的人脸特征来实现。 模型及loss： 嵌入CycleGAN的人...
多视图聚类总结
seeseamiao1998的博客
04-08 6482
MVC的两个重要原则，即互补原则和共识原则。 互补原则：该原则规定，为了更全面、更准确地描述数据对象，应该使用多个视图。在多视图数据的上下文，每个视图都足以完成特定的知识发现任务。然而，不同的视图通常包含相互补充的信息。例如，在图像处理领域，每幅图像都由不同类型的特征来描述，如lbp、sift和hog，其中lbp是一种强大的纹理特征，sift对图像的光照、噪声和旋转具有鲁棒性，而hog对边缘信息敏感。因此，有必要利用这些相互补充的信息来描述这些数据对象，并对内部集群提供更深入的见解。 共识原则：这一原则
多视图聚类的算法总结
qq_40619273的博客
04-09 6375
多视图聚类主要利用不同视图间的差异性和互补性的信息来对数据进行聚类；关键问题在于如何有效地利用多个视图的信息，发挥各视图的优势，减少各视图的局限，从而获得准确且稳健的聚类性能；......
各类聚类（clustering）算法初探
weixin_34168880的博客
01-20 5717
1. 聚类简介 0x1：聚类是什么？ 聚类是一种运用广泛的探索性数据分析技术，人们对数据产生的第一直觉往往是通过对数据进行有意义的分组。很自然，首先要弄清楚聚类是什么？ 直观上讲，聚类是将对象进行分组的一项任务，使相似的对象归为一类，不相似的对象归为不同类 但是，要达到这个目的存在几个很困难的问题 1. 上述提及的两个目标在很多情况下是互相冲突的。从数学上讲，虽然聚类共享具有...
ICASSP 论文发表相关问题
dg0418的博客
09-21 2921
我一直认为ICASSP的论文是先要注册会员（缴纳会员费）才能投稿(好像曾经有人告诉过我)。今天经朋友确认更正，正确的流程是这样的。 1.先登记基本信息，单位等。等段时间，只要他开始允许投稿，就能上传paper了。到目前都不用缴纳费用。 2.如果对方回信说你的论文被录取，会发表。那么这时，你需要完成注册步骤，缴纳会员费。如果是IEEE会员注册ICASSP会员，会有优惠。如果你没被回复说...
icassp2023
最新发布
09-09
ICASSP 2023是指将于2023年举行的国际会议，全称为International Conference on Acoustics, Speech, and Signal Processing。这个会议是一个重要的学术会议，涵盖了声学、语音和信号处理等领域的研究和应用。在...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值