拉普拉斯矩阵
拉普拉斯矩阵的相关文献在2004年到2022年内共计145篇,主要集中在自动化技术、计算机技术、数学、机械、仪表工业
等领域,其中期刊论文133篇、会议论文5篇、专利文献27123篇;相关期刊98种,包括乐山师范学院学报、邵阳学院学报(自然科学版)、计算机工程等;
相关会议5种,包括2013年全国理论计算机科学学术年会、2012中国计算机大会、第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议等;拉普拉斯矩阵的相关文献由336位作者贡献,包括周后卿、汪天飞、吕文涛等。
拉普拉斯矩阵—发文量
专利文献>
论文:27123篇
占比:99.49%
总计:27261篇
拉普拉斯矩阵
-研究学者
- 周后卿
- 汪天飞
- 吕文涛
- 徐靖
- 李彬
- 欧林林
- 禹鑫燚
- 赵雅
- 邹超
- 陈磊
- 黄睿
- 万继青
- 康丽
- 江蓉
- 王守中
- 侯耀平
- 刘圣军
- 刘家保
- 周大可
- 周天
- 周琨强
- 孙丽茹
- 崔良乐
- 张烁
- 张长帅
- 彭国华
- 徐幼专
- 徐森
- 戴臻
- 曹瑞
- 朱文博
- 李先锋
- 李钦松
- 杨宇翔
- 杨欣
- 汪增福
- 王一峰
- 王万良
- 王成群
- 王晓霞
- 王瑞霞
- 王顺政
- 翁健
- 胡卓娅
- 胡玲
- 袁万莲
- 赵富强
- 赵慧
- 赵毅
- 邓波
-
-
柴萌萌;
乔猛
-
-
摘要:
令G为具有拉普拉斯矩阵L(G)和无符号拉普拉斯矩阵Q(G)的加权图。根据L(G)的广义舒尔补的群可逆条件,以及拉普拉斯矩阵的其它性质,利用分块矩阵求群逆的计算方法,计算L(G)群逆的分块表达式。并通过例子说明计算结果。
-
-
王兵;
魏志强;
蔡文杰;
闫佳晖;
张莉莉;
赵凯
-
-
摘要:
在低频电缆网导通绝缘测试中,对电缆网连接节点的划分是开展低频电缆网测试的基础。通过电缆网连接节点的划分,可以高效低成本完成转接电缆和测试方案的设计,将能够大大节省电缆网性能测试的周期和成本,为工程项目任务中电缆网快速、高效、准确测试奠定基础。目前,对电缆网的测试一般直接通过连接器进行转接电缆设计,这种方法由于转接电缆连接器芯点分配的问题,导致测试效率较低。针对以上问题,提出了改进型的转接电缆设计方法,并针对改进型设计方法中子网络难划分的痛点问题,采用基于拉普拉斯矩阵的网络社区划分算法完成了电缆网关联性大的子网络的划分。该方法解决了节点多、关联性强的电缆网子网络划分问题,经过仿真验证,使用划分后设计的转接电缆进行电缆网测试,测试效率得到提升。
-
-
曾勋勋;
陈飞
-
-
摘要:
为了让信息从周围向待修复区域填充时保持图像边缘结构,提出结构保持图拉普拉斯正则的图像修复模型.该模型在信号依赖的图拉普拉斯矩阵基础上,引入梯度图像平滑约束,能够促进目标函数的最优解收敛至分片平面图像;此外,该模型转化为无约束二次规划问题,可以通过共轭梯度法快速求解.实验结果表明,所提的图像修复算法相比于现有图像修复算法不仅速度快,而且可以克服图拉普拉斯正则图像修复算法所产生的块效应,使得复原后的图像更加自然.
-
-
吴博;
梁循;
张树森;
徐睿
-
-
摘要:
图结构数据是现实生活中广泛存在的一类数据形式.宏观上的互联网、知识图谱、社交网络数据,微观上的蛋白质、化合物分子等都可以用图结构来建模和表示.由于图结构数据的复杂性和异质性,对图结构数据的分析和处理一直是研究界的难点和重点.图神经网络(Graph Neural Network,GNN)是近年来出现的一种利用深度学习直接对图结构数据进行学习的框架,其优异的性能引起了学者高度的关注和深入的探索.通过在图中的节点和边上制定一定的策略,GNN将图结构数据转化为规范而标准的表示,并输入到多种不同的神经网络中进行训练,在节点分类、边信息传播和图聚类等任务上取得优良的效果.与其他图学习算法相比较,GNN能够学习到图结构数据中的节点以及边的内在规律和更加深层次的语义特征.由于具有对图结构数据强大的非线性拟合能力,因此在不同领域的图相关问题上,GNN都表现出更高的准确率和更好的鲁棒性.本文在现有GNN研究的基础上,首先概述了GNN的出现历程,并介绍了相关概念和定义.之后本文着重讨论和对比了GNN中的各种算法框架,包括核心思想、任务划分、学习方式、优缺点、适用范围、实现成本等.此外,本文对GNN算法在多个不同领域下的应用场景进行了详细的阐述,将GNN与其他图学习算法的优缺点作了联系和比较.针对存在的一些问题和挑战,本文勾画了GNN的未来方向和发展趋势,最后对全文进行了全面而细致的总结.
-
-
陈诺;
孙伟;
杨帆行;
胡高博;
潘宇航
-
-
摘要:
为了在运动链构型综合过程中进行同构识别,课题组提出了一种拉普拉斯矩阵方法对平面含有复铰运动链的拓扑结构进行描述以及同构判定。首先,构建了一种拉普拉斯矩阵,利用奇异值分解来确定唯一性;其次,利用SVD分解得到奇异值向量,通过比较不同分量的奇异值向量形成拉普拉斯矩阵,从而判断是否同构来确定矩阵形成的唯一性机制;最后,通过案例进行证明。结果表明该方法具有有效性和高效性。
-
-
-
张哲浩;
葛华勇;
孙家慧
-
-
摘要:
在图像处理领域,图像去噪是一项极具挑战性的任务.图信号理论的发展为我们解决这一问题提供了新的视角.本文研究了基于图信号方法的权重矩阵与拉普拉斯矩阵,将它们用于图像去噪的目标函数,这两个矩阵可以很好地定义观测图像与期望图像之间的内在联系.在提出去噪目标函数的基础上,我们给出了最优解和一种迭代的快速求解算法.实验表明,该方法优于BM3D和WNNM等前沿的去噪方法.
-
-
刘雷;
甘腾
-
-
摘要:
针对数据聚类问题提出了一种改进的密度聚类算法。该算法将数据点分为核心点和边界点两大类,并根据核心点之间的连通性,将核心点合并为多个核心区域,每个核心区域分配一个独有的虚拟标签。以数据点间的距离为基础,构建拉普拉斯矩阵,在此基础上将核心点上的虚拟标签传播到边界点,拥有同种标签的数据点属于同一类簇。在合成数据集和真实数据集上的测试结果表明,改进的新算法相较于经典聚类算法在聚类效果上有明显提高。
-
-
吴换霞
-
-
摘要:
为捕捉样本之间的复杂关系,提升噪声鲁棒性,提出一种基于动态超图学习拉普拉斯矩阵的无监督特征选择方法。通过对训练样本的协方差矩阵施加正交约束,利用超图动态学习拉普拉斯矩阵分别保持低维训练样本的全局和局部结构,获取样本之间的复杂关系;引入的两种子空间学习方法增强特征选择的辨别能力。通过公共数据集实验结果验证了提出方法能够提升特征选择质量,以及相关上游任务的精度和鲁棒性。
-
-
任玉艳;
熊馨;
贺建峰
-
-
摘要:
肠道菌群与诸多人类重大疾病相关,研究在不同条件下的肠道菌群数据具有重要意义。由于菌群数据出现零膨胀现象,采用成对比率几何平均值(GMPR)方法对其进行归一化。本研究以2型糖尿病数据集为例,提出一种改进的Spectrum算法。首先,使用基于特征加权的相似度矩阵,避免忽视每个样本/特征所对应的不同特征值大小在该样本中所占据的权重;其次,将拉普拉斯矩阵替换为Hessian矩阵,避免传统谱聚类的灵敏度问题,将ISODATA聚类算法代替原本的K-means算法,有效地调整聚类中心数K。试验结果表明,GMPR+改进Spectrum在2型糖尿病中的标准化互信息(NMI)为0.423,戴维森堡丁指数(DBI)为4.751,Calinski-Harabasz指标(CH)为25.541,兰德指数(RI)为0.835,调整兰德指数(ARI)为0.019,较改进前的效果有所提升,并且该算法可以识别出不同类型患病人群在肠道菌群上的结构差异,挖掘出肠道微生物组的关键细菌。