LAPJV算法的原始问题的(矩阵)理解

Optimising the Volgenant–Jonker algorithm for approximating graph edit distance - ScienceDirect

一、初始化

        图a是原始矩阵。

1.列约化

        从最后列开始减去每列的最小值得到含有零项的列。如图b,我们认为三列和二行匹配,一列和一行匹配,二列和三行没有匹配。

2.行约化(也称约化转移)

         对于已经匹配的行做行约化。因为指派行已经含有0,所以要牺牲含0列增加到该行第二小的值进行约化。图b第一行指派列是第一列,除指派位置以外最小值是3,所以增加到3得到图c。这样来减小列约化值从而增加行约化值的操作叫做列的逆约化。然后对行做约化,得到图d。

3.增广行约化

        目的是寻找交替路径,从未指派行开始,到未指派列结束。如图d,已经指派的行-列是2-3、1-1,未指派的行是第三行,未指派的列为2。从第三行开始,选择最小值e1=1,该列为j1=3,次小值e2=7,该列为j2=2。该行减去次小值得到

\begin{bmatrix} 0 &2 &0 \\ 7 & 0& 0\\ 3 & 0& -6 \end{bmatrix}

        对第三列进行逆向列缩减,变成

\begin{bmatrix} 0 &2 &6 \\ 7 & 0& 6\\ 3 & 0& 0 \end{bmatrix}

        将未匹配的行与j1列匹配,如果j1列已经匹配,使他失去匹配关系。所以此时匹配上的行列式3-3、1-1,未匹配的行列为2-2。

        循环,对第二行进行匹配,选择最小值e1=0,该列为j1=2,次小值e2=6,该列为j2=3。

        该行减去次小值得到

\begin{bmatrix} 0 &2 &6 \\ 1 & -6& 0\\ 3 & 0& 0 \end{bmatrix}

        对第二列进行逆向列缩减,变成

\begin{bmatrix} 0 &8 &6 \\ 1 & 0& 0\\ 3 & 6 & 0 \end{bmatrix}

        此时的匹配关系是3-3、1-1、2行已经匹配上未指派的列2。(原文说还可以在or it becomes impossible to transfer reduction to the selected row k停止)

二、增广

        每个未分配的行,给其找到一条到未分配列的最短交替路径,使用修改后的Dijkstra算法。行列之间的距离就是之前的e(edge),也就是权重。

        一般而言,搜索从一个未分配的行开始,比如行i,然后找到从行i到列j的最短路径,并将列j添加到该路径。如果列j以前被分配给行k,则行k也会添加到路径中(尽管在找到未分配列的完整路径之前不会进行任何更改)。如果可以通过行k以较短的距离到达该列,则更新并替换从行i到任何给定列的距离。与经典的Dijkstra不同,搜索将以这种方式继续,直到找到未指定的列。

  • 7
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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