English(EN) Improved convergence rate of kNN graph Laplacians: differentiable self-tuned affinity

新的kNN图方法提高了数据分析的收敛率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-21 04:00

研究人员开发了一种构建k近邻（kNN）图的新方法，kNN图在基于图的数据分析中至关重要。所提出的方法通过根据局部数据密度自适应地设置核带宽来优化图亲和力计算。这一进展提高了kNN图拉普拉斯算子的收敛率，从而更精确地逼近潜在的流形算子。 AI

影响增强了基于图的机器学习技术的理论基础。

排序理由该集群包含一篇详细介绍基于图的数据分析新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Xiuyuan Cheng, Yixuan Tan, Nan Wu · 2026-05-21 04:00

Improved convergence rate of kNN graph Laplacians: differentiable self-tuned affinity

arXiv:2410.23212v2 Announce Type: replace Abstract: In graph-based data analysis, $k$-nearest neighbor ($k$NN) graphs are widely used due to their adaptivity to local data densities. Allowing weighted edges in the graph, the kernelized graph affinity provides a more general type …