基于 l1 恢复与谱图理论的图上源定位
机器学习
2016-11-22 v2
摘要
我们将图上的源定位问题表述为稀疏恢复与扩散核学习的同时问题。l1 正则化项在从扩散过程的单次快照中恢复扩散源时强制稀疏性约束。扩散核通过假设该过程与标准热扩散一样通用来进行估计。我们利用合成数据表明，在给定估计的初始化条件下，我们可以同时学习扩散核与源。我们使用霍乱死亡率与大气示踪剂扩散数据验证了我们的模型，并表明解的精度取决于从数据点构建图的方式。
引用
@article{arxiv.1603.07584,
title = {Source Localization on Graphs via l1 Recovery and Spectral Graph Theory},
author = {Rodrigo Pena and Xavier Bresson and Pierre Vandergheynst},
journal= {arXiv preprint arXiv:1603.07584},
year = {2016}
}
备注
5 pages, 5 figures, published in "Image, Video, and Multidimensional Signal Processing Workshop (IVMSP), 2016 IEEE 12th"