基于频繁子图的持久同调用于图分类

Research Paper#Graph Classification, Persistent Homology, Machine Learning🔬 Research|分析: 2026年1月3日 06:21•
发布: 2025年12月31日 15:21
•
1分で読める
•ArXiv

分析

本文介绍了一种新的图过滤方法，即基于频繁子图的过滤（FSF），通过利用持久同调来改进图分类。它解决了现有方法依赖于更简单的过滤的局限性，通过结合来自频繁子图的更丰富特征。本文提出了两种分类方法：基于FPH的机器学习模型和将FPH与图神经网络集成的混合框架。结果表明，与现有方法相比，其准确性具有竞争力或更优越，突出了FSF在图分析中进行拓扑感知特征提取的潜力。
引用 / 来源
查看原文
"The paper's key finding is the development of FSF and its successful application in graph classification, leading to improved performance compared to existing methods, especially when integrated with graph neural networks."
A
ArXiv2025年12月31日 15:21
* 根据版权法第32条进行合法引用。
较旧

Gpt4all: A chatbot trained on ~800k GPT-3.5-Turbo Generations based on LLaMa

较新

Biren Technology, a Leading Chinese GPU Company, Successfully Lists on Hong Kong Stock Exchange

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv