[转帖] hypergraph learning(超图学习)_AI.人工智能讨论区_Weblogic技术|Tuxedo技术|中间件技术|Oracle论坛|JAVA论坛|Linux/Unix技术|hadoop论坛_联动北方技术论坛  
网站首页 | 关于我们 | 服务中心 | 经验交流 | 公司荣誉 | 成功案例 | 合作伙伴 | 联系我们 |
联动北方-国内领先的云技术服务提供商
»  游客             当前位置:  论坛首页 »  自由讨论区 »  AI.人工智能讨论区 »
总帖数
2
每页帖数
101/1页1
返回列表
0
发起投票  发起投票 发新帖子
查看: 1042 | 回复: 1   主题: [转帖] hypergraph learning(超图学习)        上一篇   下一篇 
huang.wang
高级会员
等级:中将
经验:17595
发帖:406
精华:1
注册:1970-1-1
状态:离线
发送短消息息给huang.wang 加好友    发送短消息息给huang.wang 发消息
发表于: IP:您无权察看 2018-9-14 14:00:33 | [全部帖] [楼主帖] 楼主


本文转自CSDN 写代码的柯长的博客


最近在研究graph learning,自然在接触到前沿的,自然学习到了超图学习。特在此做下记录: 

hypergraph learning的主要论文来自: 

Learning with Hypergraphs: Clustering, Classification, and Embedding 

Learning Hypergraph-regularized Attribute Predictors 


hypergraph

在说超图之前,希望先交待一下我们使用graph是出于怎样的考虑。我们只知道general graph的边是连接两点之前的一条边。那么,利用general graph更关心的是样本点与样本点之间的关系,是pairwise之间的关系。但是,在实际生活中,以及再做图像识别的领域中,我们需要关系的不仅仅是两点之间的关系,可能更要关心的是一个样本点与其他一类样本点之间的关系。这种复杂的关系是general graph所无法描绘出来的。更常见的例子,就是在论文发表的过程中,一篇论文如果只有一个作者,那我们则可以使用general graph来进行描述。但是当一篇论文如果有多个作者的时候,描述科研人员之间的合作关系的时候,使用general graph就有些力不从心。这时候,我们就可以使用超图这描述这样的关系,关于hypergraph 和graph有什么区别和联系,这里我上一张图来进行描述: 

image.png

左边的表说明的是点与边之间的关系。中间的图说明的是general graph,右边的图是我们的hypergraph(每一个圈圈住的点的集合就是我们的hyperedge)。可以看出hypergraph强调的更多是集合的概念,一个hyperedge更多说明的是许多点的集合, 我们的general graph的edge说明的是两点之间的关系。在图像识别中,我们就可以认为图像的每一个属性都是一个hyperedge,hyperedge重叠的部分就是图像相同的属性,重叠部分越多说明两个sample 是同一类的可能性越大。 

既然有了hypergraph,我们就要重新定义一些有关图的东西: δ(e)表示每一个hyperedge中的包含的顶点个数。 

接下来就是,hyperedge的边权如何定义,我们利用heat kernel 来计算hyperedge集合中点与点之间的距离,然后求一个平均,得到的就是这个hyperedge的边权,公式如下: 

image.png

使用我们的hypergraph可以尽可能的描述样本点与整个样本数据的属性关系,只能当属性(超边)重叠多的时候才可以说明两个样本是属于通一类,它避免了只比较两个数据样本相似性的缺陷。

hypergraph的梗概部分完了,接下来我们来说说hypergraph learning


Hypergraph Learning

Hypergraph Learning。因为是Learning,我们自然要定义我们的loss function,根据我们做Normalized Cut的目标函数:让同类的的相关性尽可能大,不同类的相关性尽可能小。延伸到我们的hypergraph,便变成了我们的目标函数要尽可能的保持超边(样本的属性)关系。于是,就有了下面的目标函数: 

image.png

image.png

求解得到如下的答案: 

image.png


该贴被huang.wang编辑于2018-9-14 14:01:06


我超级酷,但是如果你回复我的话我可以不酷那么一小会儿。


——来自logo.png


赞(0)    操作        顶端 
koei123
注册用户
等级:大校
经验:4196
发帖:16
精华:0
注册:2011-7-21
状态:离线
发送短消息息给koei123 加好友    发送短消息息给koei123 发消息
发表于: IP:您无权察看 2018-11-1 8:24:31 | [全部帖] [楼主帖] 2  楼


这是正确的方向之一~~



赞(0)    操作        顶端 
总帖数
2
每页帖数
101/1页1
返回列表
发新帖子
请输入验证码: 点击刷新验证码
您需要登录后才可以回帖 登录 | 注册
技术讨论