Loading...
机构名称:
¥ 2.0

找到采样数据的平均值是机器学习和统计数据中的一项基本任务。但是,如果数据示例是图形对象,则定义平均值是本质上困难的任务。我们提出了一个新的框架,用于通过平滑图信号分布的空间中的嵌入来定义图平均值,在这种框架中,可以使用Wasserstein Metric测量图相似性。通过在此嵌入空间中找到平均值,我们可以恢复一个保留结构信息的平均图。我们建立了新图均值的存在和独特性,并提供了用于计算它的迭代算法。强调我们框架作为机器学习中实用应用的有价值工具的潜力,它可以在各种任务上进行评估,包括结构化对齐图的K-Means聚类,功能性脑网的分类以及在多层图中的半固定节点分类。我们的实验性研究表明,我们的方法可以达到一致的性能,优于现有的基线方法,并改善了最新方法的绩效。

arxiv:2305.19738v2 [stat.ml] 2024年3月1日

arxiv:2305.19738v2 [stat.ml] 2024年3月1日PDF文件第1页

arxiv:2305.19738v2 [stat.ml] 2024年3月1日PDF文件第2页

arxiv:2305.19738v2 [stat.ml] 2024年3月1日PDF文件第3页

arxiv:2305.19738v2 [stat.ml] 2024年3月1日PDF文件第4页

arxiv:2305.19738v2 [stat.ml] 2024年3月1日PDF文件第5页