论超边权重对超图学习的影响
计算机视觉与模式识别
2014-10-27 v1
摘要
超图是计算机视觉、机器学习和模式识别问题中的一种强大表示。在过去十年中，许多研究人员致力于开发不同的超图模型。相比之下，超边权重的设计并未受到太多关注。然而，许多关于成对图的研究表明，边权重的选择会显著影响此类图算法的性能。我们认为这也适用于超图。在本文中，我们通过从几何、多元统计分析和线性回归的角度提出三种新颖的超边权重，实证讨论了超边权重对超图学习的影响。在 ORL、COIL20、JAFFE、Sheffield、Scene15 和 Caltech256 数据库上的大量实验验证了我们的假设。类似于图学习，我们的实验研究总结出了几种具有代表性的超边加权方案。此外，实验还表明，此类加权方案与传统超图模型的组合，与一些最新的先进算法相比，能够获得非常有前景的分类和聚类性能。
引用
@article{arxiv.1410.6736,
title = {On The Effect of Hyperedge Weights On Hypergraph Learning},
author = {Sheng Huang and Ahmed Elgammal and Dan Yang},
journal= {arXiv preprint arXiv:1410.6736},
year = {2014}
}