融合拓扑特征和领域特征的非精确图匹配算法

针对结构模式识别领域中现有图匹配算法对反映图本身拓扑结构的节点特征挖掘不够充分的问题,提出融合拓扑特征和领域特征的非精确图匹配算法。利用建筑学与城市规划学科中的空间句法理论构造图拓扑特征的量化描述,并将其与节点属性和边属性等其他领域的非拓扑特征相结合,构造描述图特征的特征向量,以此为桥梁将结构模式识别问题转化为统计模式识别问题,进而借助支持向量机实现非精确图匹配。不同于其他的图匹配算法,该算法对图的拓扑表达能力强,并且可融合图的领域方面的非拓扑特征,通用性较好。实验结果表明,提出的图匹配算法在不同的图数据集上均具有较高的分类识别率。     

多图嵌入表示在人体运动模式识别中的应用

新颖和恰当的算法是人体运动模式识别系统的关键。在获取加速度传感器信号的基础上;提出了一种人体运动模式识别算法;其中多图嵌入表示用于特征降维;最近邻用于模式分类。该算法通过特征分组对原始特征空间进行多个独立子集的划分;并生成图;通过多维尺度分析法在每个子图上生成新的嵌入坐标;并找到这些嵌入坐标的线性组合来表示原始特征空间;最后通过最近邻分类器进行模式分类。该算法新颖、简单;能在最小信息丢失的基础上挖掘原始特征空间的潜在结构;提高特征选择的稳定性。实验结果表明;同其他代表性算法相比;该算法准确度高;能更好地区分人体运动。     

图嵌入模型综述

图分析用于深入挖掘图数据的内在特征,然而图作为非欧几里德数据,传统的数据分析方法普遍存在较高的计算量和空间开销。图嵌入是一种解决图分析问题的有效方法,其将原始图数据转换到低维空间并保留关键信息,从而提升节点分类、链接预测、节点聚类等下游任务的性能。与以往的研究不同,同时对静态图和动态图嵌入文献进行全面回顾,提出一种静态图嵌入和动态图嵌入通用分类方法,即基于矩阵分解的图嵌入、基于随机游走的图嵌入、基于自编码器的图嵌入、基于图神经网络(GNN)的图嵌入和基于其他方法的图嵌入。其次,对静态图和动态图方法的理论相关性进行分析,对模型核心策略、下游任务和数据集进行全面总结。最后,提出了四个图嵌入的潜在研究方向。     

基于模态融合的属性图嵌入算法研究

现有的属性图嵌入算法不能灵活捕捉多模态属性信息对拓扑结构的影响,也不能很好地处理属性异构性。对此,提出一种基于模态融合的属性图嵌入学习算法。算法能够将不同类型的信息平滑地映射到相同的语义空间,同时保留拓扑结构。设计一个模态融合模块以利用不同模态之间的互补信息。实验结果表明,相比于其他对比方法,该算法在各类任务上拥有更好的性能。     

基于原型选择的图嵌入方法研究

图嵌入方法为结构化模式识别问题转化为统计模式识别问题搭建了桥梁。而随着训练样本集规模的增加,为避免图嵌入时的维度灾难现象,对训练样本集进行原型选择是十分必要的。因此,本文提出一种基于类内和类间相均衡的原型选择方法,该方法通过对训练样本上的每一类的类内和其他类进行均衡化处理,分别选出每个类上依据均衡化程度排列的原型。实验表明,与未进行原型选择策略相比,本方法能较为有效地降低了图嵌入时的空间维度,且具有较高的分类精度。     

融合图注意力的多特征链接预测算法

链接预测是复杂网络中重要的研究方向之一。利用神经网络学习预定义的启发式特征近年来受到广泛关注。但是目前此类方法主要利用目标链接的局部子图预测链接,具有较强的局部性。针对这一问题,在SEAL算法的基础上,提出了利用多特征融合图注意力进行链接预测的算法ADNSL。该模型支持多类型的节点嵌入特征作为输入,包括局部特征生成和全局特征提取两部分。对于局部特征生成模块,利用图卷积层,将局部子图中的节点特征交互融合。为了弥补SEAL中的特征无效性和节点无偏性,提出了双向无参注意力。在全局特征提取模块中,利用迭代公式生成聚合图以降低struc2vec节点嵌入算法的复杂度,进而从全局角度挖掘可解释的结构特征,可以有效提升链接预测算法性能。实验表明,ADNSL算法可以合理地利用多类型节点嵌入特征,在八个不同领域的真实数据集上的表现明显优于多个基准算法。     

迪卡尔乘积图到Cayley图中的嵌入

给出了一类图（迪卡尔乘积图）到另一类图（Ｃａｙｌｅｙ图的嵌入的一般方法,这些嵌入是这样实现的：首先把迪卡尔乘积图的每个“因子”图嵌入到主图中,然后取这些“因子”嵌入的积,进上步给出了一个定理,用来通过“因子”嵌入的性质来计算乘积嵌入的膨胀度。     

提升图嵌入框架及在表情识别中的应用 *

提出了一种提升图嵌入框架用于特征提取和选择 ,以及一种新的近邻权重计算方法 ,称为分类图。传统图嵌入模型的近邻权重采用欧氏距离 ,不能被提升算法所更新 ;相比较 ,分类图采用的是提升算法中样本的权重,反映的是样本在分类过程中的重要程度 ,有效地提高了图嵌入模型的分类性能。在通用人脸表情库上的识别实验结果验证了提升图嵌入模型的有效性。     

具有统计不相关性的核化图嵌入算法

提出统计不相关的核化图嵌入算法,为求解各种统计不相关的核化降维算法提供了一种统一方法。与已有核化降维算法相比,新的特征提取方法降低甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过在ORL,YALE和FERET人脸库上的实验结果表明,提出的具有统计不相关的核化图嵌入算法在识别率方面好于已有的核算法。另外,揭示了统计不相关的核化图嵌入与已有的核化图嵌入的内在关系。     

基于空间句法和最短路径的图核

针对图模式识别领域中现有图核方法对反映图本身拓扑结构的节点特征挖掘不够充分的问题;提出了基于空间句法和最短路径的图核。借鉴建筑学与城市规划学科中的空间句法理论构造分布于图节点上的拓扑特征的量化描述;基于此提出了可表示、计算;正定、适用范围较广的空间句法核和基于最短路径的空间句法核;进而借助支持向量机实现了非精确图匹配。不同于其他图核方法;该方法对图的拓扑特征表达能力强;通用性较好。实验结果表明;所设计的图核在分类精度方面相较于最短路径核有较显著的改善。     

优先排序覆盖神经网络原理及分析

从高维空间特征点覆盖的角度,讨论了优先度排序神经网络空间覆盖理论,从理论上阐明了运用神经网络构造方法实现空间特征覆盖的意义,最后给出了2维螺旋线识别的测试用例。     

A Structural Approach to the Model Generalization of an Urban Street Network*

This paper proposes a novel generalization model for selecting characteristic streets in an urban street network. This model retains the central structure of a street network. It relies on a structural representation of a street network using graph principles where vertices represent named streets and links represent street intersections. Based on this representation, so-called connectivity graph, centrality measures are introduced to qualify the status of each individual vertex within the graph. We show that these measures can be used for characterizing the structural properties of an urban street network, and for the selection of important streets. The proposed approach is validated by a case study applied to a middle-sized Swedish city.     

优先排序神经网络K网覆盖分类研究

从高维空间特征点覆盖的角度,讨论了优先度排序神经网络(PONN)算法,提出了非各向同性的K网覆盖算法(KPA)算法,最后给出标准测试集和应用测试集的比较结果,并对其与各向同性覆盖中心适配选择算法（CASA）进行了分析与比较,实验结果表明KPA算法在样本连续性构造方面优于CASA算法。     

基于拓扑特征的建筑信息模型检索方法

检索相关设计方案以复用是提高建筑设计效率的有效手段。针对传统的三维形状检索方法对建筑模型空间结构表达能力不足的问题,提出一种基于拓扑特征的建筑信息模型检索方法。首先利用Revit API开发插件提取建筑信息模型房间连接拓扑图（Room Connectivity Topology Graphs,RCTG）,然后结合空间句法理论构造建筑空间构形节点深度值表（Node Depth Value Table,NDVT）并过滤出候选模型,进而将检索模型和候选模型的NDVT转换为标准化的邻接矩阵并提取相应的特征向量,最后通过相似性度量得到检索结果。实验结果表明,该方法能够有效实现建筑模型局部结构的检索,与单一考虑形状特征的传统三维检索方法相比,检索精准度较高,能够实现建筑模型的高效再利用,具有广泛的应用前景。     

基于统计模式识别的人脸检测方法综述

随着计算机科学的发展和社会的进步,人脸检测的研究和应用越来越得到广泛的关注。但是设计快速有效的人脸检测方法仍然是一个难度很大的问题。该文基于统计的模式识别分析了当前人脸检测的主要问题和方法,同时也给出了模式识别的概念、原理、方法。     

融合全局结构信息的拓扑优化图卷积网络

基于拓扑优化的图卷积网络(TOGCN)是一类图卷积神经网络(GCNN)模型,它通过网络中的辅助信息优化网络拓扑结构,有利于反映节点间的联系程度;然而TOGCN模型仅注重局部节点之间的关联关系,对网络潜在的全局结构信息关注不足.融合全局特征信息,有助于提高模型的性能和处理信息缺失时的鲁棒性.提出了融合全局结构信息的拓扑优...