{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,4,22]]，“日期时间”：“2024-04-22T15:14:59Z”，“时间戳”：1713798899773}，“引用计数”：34，“发布者”：“计算机协会（ACM）”，“问题”：“4”，“内容域”：{:“域”：[“dl.ACM.org”]，“交叉标记限制”：true}，“short-container-title”：[“ACM Trans.Knowl.Discov.Data”]，“published-print”：{“date-parts”：[[2021,8,31]]}，“abstract”：“本文通过估计利用谱图卷积结构的灵活非线性数据表示，介绍了一种半监督学习方案。利用结构化数据来确定非线性和线性模型。引入的方案在两个级别上利用了数据驱动图。首先，它包含了由图形本身自然编码的流形平滑度。其次，回归模型建立在从数据及其关联图中导出的卷积数据样本上。提出的半监督嵌入方法可以解决图像数据邻域结构过拟合的问题。提出的基于图卷积的半监督嵌入方法为非线性嵌入开辟了新的理论和应用前景。事实上，构建采用卷积数据样本的灵活模型可以增强数据表示和学习系统的最终性能。在六个图像数据集上进行了几次实验，以将引入的方案与一些最先进的半监督方法进行比较。该实证评估表明了所提嵌入方案的有效性<\/jats:p>“，”DOI“：”10.1145\/3441456“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2021,3,26]，”日期时间“：”2021-03-26T16:43:12Z“，”时间戳“：1616776992000｝，”page“：”1-11“，”update policy“：”http:\/\/dx.DOI.org/10.1145\/crosmark policy“，”source“：”Crossref“，”由count引用“：4，”title“：[”基于图卷积回归的半监督分类弹性嵌入“]，”前缀“：”10.1145“，”卷“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-6581-9680“，”authenticated-ORCID“：false，”given“：“F.”，”family“：”Dornaika“，”sequence“：”first“，”affiliation“：[}”name“：”巴斯克国家大学UPV\/EHU&IKERBASQUE基金会，西班牙“}]}]，“成员”：“320”，“在线发布”：{“日期部分”：[[2021,3,26]]}，“参考”：[{“密钥”：“e_1_1_1”，“非结构化”：“米哈伊尔·贝尔金和帕塔·尼约吉，2001。用于嵌入和聚类的拉普拉斯特征映射和谱技术。神经信息处理系统进展。585--591. 米哈伊尔·贝尔金和帕塔·尼约吉。2001.用于嵌入和聚类的拉普拉斯特征映射和谱技术。神经信息处理系统进展。585--591.“}，{”key“：”e_1_1_2_1“，”doi-asserted-by“：”publisher“，”doi“：”10.5555\/1248547.1248632“}”，{“key”：“e_2_1_3_1”，”doo-asserted-by“：“publisher”，“doi”：“10.1109\/ICCV.2007.4408856”}，“key“:”e_2_i_4_1“，“volume-title”：“IEEE计算机视觉和模式识别会议”，“volue”：“2”，“作者”：“陈焕宗”，“年份”：“2005年”，“非结构化”：“黄宗诚、黄伟昌和刘廷禄。2005 . 局部判别嵌入及其变体。在IEEE计算机学会计算机视觉和模式识别会议上。第2卷。846--853. 黄子晨（Hwann Tzong Chen）、黄伟昌（Huang Wei Chang）和刘廷禄（Tyng Luh Liu）。2005.局部判别嵌入及其变体。在IEEE计算机学会计算机视觉和模式识别会议上。第2卷。846--853.“}，{”key“：”e_1_2_1_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TCYB.2015.2399456”}，“key”：“e_1_i_1_6_1”，“doi-assert-by”：“crossref”，”unstructured“：”F.Dornaika M.Kejani和A.Bosaghzadeh.2017。使用自适应局部混合编码方案构建图形。神经网络95 C（2017）91-101。F.Dornaika M.Kejani和A.Bosaghzadeh。2017.使用自适应本地混合编码方案进行图形构建。神经网络95 C（2017）91-101.“，”DOI“：”10.1016\/j.neunet.2017.08.002“}，{”key“：”e_1_2_1_7_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1016\\j.neunet.2019.03.002”}，“key”：“e_1_i_1_8_1”，“DOI-assert-by”：“publisher”，”DOI:“10.1016 \/j-neucom.2015.04.042”}9_1“，“DOI-asserted-by”：“publisher”，“DOI”：“10.1109\/TIP.2015.242545”}，{“key“：”e_1_2_1_10_1“，”volume-title“：”机器学习国际会议。1972-1982”，“作者”：“弗朗西斯科·卢卡”，“年份”：“2019”，“非结构化”：“卢卡·弗朗西斯科、马蒂亚斯·尼珀特、马西米利亚诺·庞蒂尔和小河。2019 . 学习图神经网络的离散结构。在机器学习国际会议上。1972年至1982年。卢卡·弗朗切斯基（Luca Franceschi）、马蒂亚斯·尼珀特（Mathias Niepert）、马西米利亚诺·蓬蒂尔（Massimiliano Pontil）和小河（Xiao He）。2019.学习图形神经网络的离散结构。在机器学习国际会议上。1972年至1982年。“}，{”key“：”e_1_2_1_11_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TCYB.2013.2272642”}，“key”：“e_1_i_12_12_1”，“volume-title”：“国际学习代表大会”，“author”：“Thomas”，“unstructured”：“托马斯·基普夫和马克斯·威林，2017。图卷积网络半监督分类。在国际学习代表大会上。托马斯·基普夫（Thomas N.Kipf）和马克斯·威林（Max Welling）。2017.图卷积网络半监督分类。在学习代表国际会议上。“}，{”key“：”e_1_2_1_13_1“，”volume-title“：”IEEE Conference on Computer Vision and Pattern Recognition.2169--2178“，”author“：”Lazebnik S“，”unstructured“：”S.Lazebnick，C.Schmid，and J.Ponce.2006。除了一袋袋的特征：用于识别自然场景类别的空间金字塔匹配。在IEEE计算机视觉和模式识别会议上。2169--2178 . S.Lazebnik、C.Schmid和J.Ponce。2006.超越功能包：用于识别自然场景类别的空间金字塔匹配。在IEEE计算机视觉和模式识别会议上。2169-2178.“}，{“key”：“e_1_2_1_14_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/ICCV.2007.4408872”}，{“key”：“e_1_2_15_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/CVPR.2009.5206871”}，{“key”：“e_1_2_1_16_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/34.908974”}，{“key”：“e_1_2_1_18_1“，”doi由“：”publisher“断言，”doi“：”10.1109\/TIP.201044958“}，{“key”：“e_1_1_19_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/0031-3203（95）00067-4“}”，{”key“：”e_1_i_1_20_1“，”doi-assert-by“：”publisher“，“doi”：“10.1016\/j.patrec.2009.11.005”}，“key“:”e_2_1_21_1“”，“volume-title”：“国际机器学习会议。5241--5250“，“作者”：“曲蒙”，“年份”：“2019”，“非结构化”：“Meng Qu、Yoshua Bengio和Jian Tang。2019 . GMNN：图马尔可夫神经网络。在机器学习国际会议上。5241--5250 . Meng Qu、Yoshua Bengio和Jian Tang。2019.GMNN：图马尔可夫神经网络。在机器学习国际会议上。5241--5250.“}，{”key“：”e_1_1_22_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.patcog.2011.12.006”}，“key”：“e_1_i_1_23_1”，“doi-assert-by”：“publisher”，”doi“：”10.1126\/science.290.5500.2323“}”，{“key“:”e_2_1_24_1“、”doi-sserted-by”:“publishers”，“doi:”10.1126\/science。290.5500.2319“}，{”key“：”e_1_2_1_25_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.patcog.2009.04.015“}，{“key”：“e_1_2_1_26_1”，“unstructured”：“Hongwei Wang and Jure Leskovec.2020。统一图卷积神经网络和标记传播。在arXiv预印本arXiv:2002.06755中。王洪伟和朱尔·莱斯科维奇。2020年。统一图形卷积神经网络和标签传播。在arXiv预印本arXiv:2002.06755.“}中，{”key“：”e_1_2_1_27_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TCYB.2018.2884715”}，{“key”：“e_1_i_1_28_1”，“volume-title”：“国际机器学习会议.6861--6871”，“author”：“Wu Felix”，“year”：“2019”，“unstructured”：“”Felix Wu、Amauri Souza、Tianyi Zhang、Christopher Fifty、Tao Yu和Kilian Weinberger。2019 . 简化图卷积网络。在机器学习国际会议上。6861--6871 . Felix Wu、Amauri Souza、Tianyi Zhang、Christopher Fifty、Tao Yu和Kilian Weinberger。2019.简化图卷积网络。在机器学习国际会议上。6861--6871.“}，{”key“：”e_1_2_1_29_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/11151.1191800”}，“key”：“e_1_i_1_30_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.patcog.2011.08.024“}、{”key“：“e_i_1_31_31_1”、“doi-aserted-by-by”：“publisher”，”doi“：“10.1109\/TNNLS”。2014.2359471“}，{”key“：”e_1_2_1_32_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.patcog.2019.05.004“}，{“key”：“e_1_2_1_33_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1016\/j.neunet.2018.12.008”}，“key“：”e_1_i_1_34_1“，”doi-assert-by“：”publisher“，机器学习。”，“卷”：“3”，“作者”：“朱晓金”，“年份”：“2003年”，“非结构化”：“朱晓金、邹斌·加拉马尼和约翰·拉弗蒂。2003 . 使用高斯场和调和函数的半监督学习。在第20届国际机器学习大会论文集上。第3卷。912--919. 朱晓金（Xiaojin Zhu）、Zoubin Ghahramani和约翰·拉弗蒂（John Lafferty）。2003.使用高斯场和调和函数的半监督学习。第20届机器学习国际会议论文集。第3卷。912--919.“}]，”container-title“：[”ACM Transactions on Knowledge Discovery from Data“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3441456“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}”，“deposed”：{“date-parts”：[2023,1,1]]，“日期时间”：“2023-01-01T21:29:41Z“，”timestamp“：1672608581000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/344145”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2021,3,26]]}，《references-count》：34，“journal-issue”：{'issue'：“4”，“published-print”：{'date-parts'rts“：[[2021,8,31]]}}，”alternative-id“：[”10.1145\/3441456“]，”URL“：”http:\/\/dx.doi.org\/10.1145\/3441456“，”relationship“：{}，”ISSN“：[”1556-4681“，”1556-472X“]，”ISSN-type“：[{”value“：”1556-4601“，”type“:”print“}，{”value“：”2556-472X“，”类型“：”electronic“}]，”subject“：【】，”published“：{”date-parts“：[2021,3,26]]}，06-01“，”订单“：0，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“publication_history“，”label“：”publication history“}}，”value“：”2020-12-01“，”order“：1，”name“：”accepted“，”tabel“：“accepted”，“group”：{“name”：“publication_history”，“label”：“publication-history”}，{“value”：“2021-03-26”，“order”：2，”name：“published”，”label:“published”，”group“：