基于指派的有属性图度量

我们引入基于最优指派的图 TT（GTT）与图 OSPA（GOSPA）度量，其允许我们比较可能大小不同的图的边结构以及一般的顶点与边属性。我们认为这为度量有限简单有属性图之间的距离提供了一种直观且通用的方式。本文讨论了有用的等价性与不等式，以及新度量与各种已有图间距离量化方法的关系。通过将图表示为点过程对，我们能够表述并研究一种新型（有限）随机图收敛，并利用具独立随机边的顶点一般点过程展示其适用性。新度量的计算方面以精确算法与两种启发式算法形式被研究，这些算法源自先前类似任务的算法。作为应用，我们基于 GOSPA 度量对果蝇嗅觉神经元的功能差异进行了统计检验。