实体
Graph Fourier Transform
Graph Fourier Transform
PulseAugur coverage of Graph Fourier Transform — every cluster mentioning Graph Fourier Transform across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架解决了多视图聚类中的周期性缺陷
研究人员发现，现有依赖快速傅里叶变换（FFT）的张量多视图聚类（TMC）框架存在一个关键缺陷。这种依赖引入了一个与样本排列相关的隐式“周期性假设”，当样本被随机置换时会导致性能下降。为了克服这一点，提出了一种使用图傅里叶变换（GFT）的新型图谱低秩张量学习框架。该方法用数据驱动的图谱基替换了固定的傅里叶基，捕捉内在流形结构而不依赖于样本排序。还引入了一种基于锚点的变体，用于高效处理大型数据集。
-
新的RP-GFRFT方法增强图数据分析
研究人员引入了一种名为旋转参数化图分数傅里叶变换（RP-GFRFT）的新方法，以增强对图结构数据的分析。这种新颖的方法统一了分数阶和旋转参数化谱分析，并通过保证在零角度时可还原为标准图傅里叶变换来确保理论一致性。实验表明，RP-GFRFT在真实信号、图像和点云的去噪、重建和特征保持方面优于现有方法。