Hungarian algorithm
PulseAugur coverage of Hungarian algorithm — every cluster mentioning Hungarian algorithm across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的DAS-PMVC框架改进了部分多视图聚类
研究人员推出DAS-PMVC，一个旨在解决部分多视图聚类挑战的新型框架。该方法通过采用双重对齐和结构增强技术，解决了不同视图之间数据错位引起的问题。该框架首先通过锚点图结构对齐来对齐视图，然后利用多视图图卷积网络增强特征学习，最后使用对比学习和匈牙利算法来优化潜在特征对齐。实验结果表明，DAS-PMVC在聚类性能上超越了现有的最先进方法。
-
新算法将实时人群追踪速度提升 6.5 倍
研究人员开发了一种新的增量分配算法，旨在提高实时人群追踪的效率。该算法利用了密集人群场景下成本矩阵的块稀疏结构，与传统的匈牙利算法相比，计算速度更快。通过一次添加一个人并保持最优对偶势，新方法在多达 5000 人的基准测试中实现了 3.7-6.5 倍的显著加速，同时仍然保证了可证明的最优匹配。
-
新算法LinMatch通过线性匹配优化人机协作
研究人员开发了LinMatch，一种用于在线多人类多机器人协作的新型算法。该方法将机器人分配给人类代理的任务视为一个线性匹配赌徒问题。LinMatch在每一轮中使用匈牙利算法有效地解决了乐观匹配问题，并建立了$\tilde{\Theta}(d\sqrt{MKT})$的紧密最优遗憾率。该算法的应用范围不仅限于人机交互，还扩展到推荐系统和住房分配等领域。
-
隐私保护行人重识别利用深度图像和Transformer
研究人员开发了一种新颖的行人重识别系统，该系统通过利用深度图像而非传统的RGB数据来优先保护隐私。该方法采用Transformer编码器处理时序序列，捕捉RGB和深度模态的动态运动模式。Hungarian算法用于优化不同视图之间的匹配过程，而batch hard triplet loss则增强了特征学习。在TVPR2和BIWI RGBD-ID等数据集上的评估表明，仅使用深度数据的方案在保护用户隐私的同时实现了具有竞争力的性能。
-
运筹学超越电子表格，实现 B2B 区域规划自动化
本文提出了一种程序化解决方案，用于自动化 B2B 区域规划，这一过程传统上通过手动电子表格进行管理。文章概述了一个使用运筹学技术的流程，特别是匈牙利算法和最长处理时间 (LPT) 算法，以解决容量平衡和销售人员分配的挑战。目标是超越低效的手动方法，为区域设计和客户分配创建一个可扩展的系统。