从高斯核确定边的权值出发，讲出图优化的最小目标函数： 离得近 权值大，离得远节点，权值小。本文之后将对这个权值w进行学习
所谓的相似性保留map就是 嵌入的过程 
写成矩阵的迹的形式
引入M（mahalanobis距离）这个半正定对称矩阵 可以对角化，对角元素为特征值 非负，开根号后可以 合并到正交矩阵Q中，从而实现M=R *R ^T.
推出图学习的损失函数，通过式子5 得到 edge weight，从而获得一个邻接矩阵。
本文采用原始的和学得之和
整体损失函数： 图学习优化+交叉熵Lgcnn
做了cora citeseer pubmed实验，和点云 无邻接矩阵 采用A=I
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
