斯瓦南多·戈什;达斯，尼巴兰;特蕾莎·贡萨尔维斯;保罗·夸雷斯马;马哈塔帕斯·昆都 图核的二十年历程。 （英语） Zbl 1382.68191号 计算。科学。版次。 27, 88-111 (2018). 总结：在现实世界中，所有事件都是相互关联的。有一个隐藏的依赖关系网络，它控制着自然过程的行为。毫无疑问，可以说，在所有已知的数据结构中，图自然适合对此类信息进行建模。但是，学习使用图形数据结构是一项繁琐的工作，因为对图形的大多数操作都需要耗费大量的计算时间，因此，探索图形数据的快速机器学习技术一直是一个活跃的研究领域，机器学习领域的研究人员中著名的一系列称为基于核的方法的算法。在支持向量机的帮助下，基于核的方法对于高斯过程的学习非常有效。在本调查中，我们将探讨各种操作图表示的内核。从基于内核的学习的基础知识开始，我们将浏览图形内核的历史，从其首次出现到讨论实践中的最新技术。 引用于三文件 MSC公司： 68T05年 人工智能中的学习和自适应系统 68第05页 数据结构 68兰特 计算机科学中的图论（包括图形绘制） 68-02 与计算机科学有关的研究博览会（专著、调查文章） 关键词：图核;支持向量机;图形相似性;同构 软件：AFGen公司;算法457;图2vec;鹦鹉螺 PDF格式BibTeX公司 XML格式引用 \textit{S.Ghosh}等人，计算。科学。修订版27，88-111（2018；兹bl 1382.68191） 全文： DOI程序 参考文献： [1] Dipert，R.R.，《世界的数学结构：作为图形的世界》，J.Philos。，94, 7, 329-358 (1997) [2] Bunke，H.，用于数据挖掘和机器学习的基于图形的工具，（模式识别中的机器学习和数据挖掘国际研讨会（2003），Springer），7-19·Zbl 1029.68564号 [3] 孔戴，D。；Foggia，P。；Sansone，C。；Vento，M.，《模式识别中的图形匹配三十年》，《国际模式识别杂志》。Artif公司。智力。，18, 03, 265-298 (2004) [4] Gärtner，T.，《结构化数据内核调查》，ACM SIGKDD Explor。纽斯利特。，5, 1, 49-58 (2003) [5] Vishwanathan，S.V.N。；北卡罗来纳州施劳多夫。；Kondor，R。；Borgwardt，K.M.，Graph kernels，J.Mach。学习。2010年4月11日，第1201-1242号决议·Zbl 1242.05112号 [6] Shervashidze，N.，可缩放图形内核（2012），图宾根大学（博士论文） [7] Borgwardt，K.M.，图核（2007），lmu，（博士论文） [8] Aronszajn，N.，再生内核理论，Trans。阿默尔。数学。Soc.，68，3，337-404（1950）·Zbl 0037.20701号 [9] B.Scholkopf，A.J.Smola，《使用内核学习：支持向量机、正则化、优化和超越》，2002年，arXiv:arXiv:1011.669v3http://dx.doi.org/10.1198/jasa.2003.s269; B.Scholkopf，A.J.Smola，《使用内核学习：支持向量机、正则化、优化和超越》，2002年，arXiv:arXiv:1011.669v3http://dx.doi.org/10.1198/jasa.2003.s269 [10] Tsochantaridis，I。；Joachims，T。；霍夫曼，T。；阿尔顿，Y。；Org，A.-C.，结构化和相互依赖的输出变量的大裕度方法，J.马赫。学习。决议，61453-1484（2005）·Zbl 1222.68321号 [11] Vapnik，V。；Lerner，a.，使用广义纵向方法的模式识别，Autom。远程控制，24774-780（1963），doi:citeulike-article-id:619639 [12] Bunke，H.，《图形匹配：理论基础、算法和应用》，《算法》，2000，2，82-88（2000） [13] Bunke，H.公司。；Foggia，P。；吉多巴尔迪，C。；Sansone，C。；Vento，M.，《随机连接图上最大公共子图算法的比较》，（IAPR模式识别（SPR）和结构与句法模式识别（SSPR）统计技术联合国际研讨会（2002），Springer），123-132·Zbl 1073.68700号 [14] M.R.Garey，D.S.Johnson，《NP-完备性理论指南》，1979年，http://dx.doi.org/10.1137/1024022; M.R.Garey，D.S.Johnson，《NP-完备性理论指南》，1979年，http://dx.doi.org/10.1137/1024022 ·Zbl 0411.68039号 [15] McKay，B.，《Nauty用户指南》（2.4版），1-70（2007），澳大利亚国立大学计算机科学系 [16] Neuhaus，M。；Bunke，H.，编辑用于结构模式分类的基于距离的内核函数，模式识别。，39, 10, 1852-1863 (2006) ·Zbl 1096.68140号 [17] Bunke，H。；Shearer，K.，一种基于最大公共子图的图距离度量，模式识别。莱特。，19, 3, 255-259 (1998) ·Zbl 0905.68128号 [18] 费尔南德斯，M.L。；Valiente，G.，结合最大公共子图和最小公共超图的图距离度量，模式识别。莱特。，22, 6-7, 753-758 (2001) ·Zbl 1010.68889号 [19] Koch，I.，枚举两个图中的所有连通最大公共子图，Theoret。计算。科学。，250, 12, 1-30 (2001) ·Zbl 0952.68105号 [20] Bron，C。；Kerbosch，J.，《算法457：寻找无向图的所有团》，Commun。ACM，16，9，575-577（1973），arXiv：引文.cfm？doid=362342.362367·Zbl 0261.68018号 [21] Liang，H。；Ward，W.F.，PGC-1α：能量代谢的关键调节器，高级生理学。教育。，30, 4, 145-151 (2006) [22] Bunke，H.公司。；Allermann，G.，用于结构模式识别的非精确图匹配，模式识别。莱特。，1, 4, 245-253 (1983) ·Zbl 0509.68100号 [23] H.Bunke，《识别草书罗马字——过去、现在和未来》，摘自：《国际文件分析和识别会议论文集》，国际数据保护协会，2003年1月，2003年，第448-459页，http://dx.doi.org/10.1109/ICDAR.2003.1227707; H.Bunke，《识别草书罗马字——过去、现在和未来》，摘自：《国际文件分析和识别会议论文集》，国际数据保护协会，2003年1月，2003年，第448-459页，http://dx.doi.org/10.1109/ICDAR.2003.1227707 [24] Chung，F.R.K。；Chung-Graham，F。；Chung，F.R.K。；Chung-Graham，F。；Chung，F.R.K.，谱图理论，ACM SIGACT News，92，92，14（1997）·Zbl 0872.05052号 [25] R.Todeschini，V.Consonni，《分子描述符手册》，纽约，2000年第11卷，第688页，http://dx.doi.org/10.1002/9783527613106; R.Todeschini，V.Consonni，《分子描述符手册》，纽约，2000年第11卷，第688页，http://dx.doi.org/10.1002/9783527613106 [26] Wiener，H.，石蜡烃之间异构化热的相关性和异构体汽化热的差异，J.Amer。化学。Soc.，69，11，2636-2638（1947年） [27] Köbler，J.，关于限制图类的图同构，241-256（2006），Springer:Springer-Belin-Heidelberg·Zbl 1145.68435号 [28] Neuhaus，M。；Bunke，H.，用于学习图匹配中编辑成本的自组织映射，IEEE Trans。系统。人类网络。B、 35、3、503-514（2005） [29] Neuhaus，M。；Bunke，H.，图形编辑距离成本函数的自动学习，Inform。科学。，177, 1, 239-247 (2007) ·Zbl 1142.68492号 [30] Caelli，T。；图匹配的图形模型：近似模型和优化算法，模式识别。莱特。，26, 3, 339-346 (2005) [31] S.Kramer，L.De Raedt，C.Helma，HIV数据中的分子特征挖掘，收录于：第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集-KDD’01，2001年，第136-143页，http://dx.doi.org/10.1145/502512.502533; S.Kramer，L.De Raedt，C.Helma，HIV数据中的分子特征挖掘，收录于：第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集-KDD’01，2001年，第136-143页，http://dx.doi.org/10.1145/502512.502533 [32] Deshpande，M。；Kuramochi，M。；北威尔士。；Karypis，G.，《基于频繁子结构的化合物分类方法》，IEEE Trans。知识。数据工程，17，8，1036-1050（2005） [33] H.Cheng，X.Yan，J.Han，C.-W.Hsu，有效分类的判别频繁模式分析，摘自：IEEE第23届国际数据工程会议论文集，ICDE 2007，2007，第716-725页，http://dx.doi.org/10.109/ICDE.2007.367917; H.Cheng，X.Yan，J.Han，C.-W.Hsu，有效分类的判别频繁模式分析，摘自：IEEE第23届国际数据工程会议论文集，ICDE 2007，2007，第716-725页，http://dx.doi.org/10.109/ICDE.2007.367917 [34] T.Jaakkola，M.Diekhans，D.Haussler，《使用Fisher核方法检测远程蛋白质同源性》，载于：国际分子生物学智能系统会议，ISMB，1999年，第149-158页。；T.Jaakkola，M.Diekhans，D.Haussler，《使用Fisher核方法检测远程蛋白质同源性》，载于：分子生物学智能系统国际会议，ISMB，1999年，第149-158页。 [35] Eddy，S.R.，《隐马尔可夫模型》，Curr。操作。结构。《生物学》，6，3，361-365（1996） [36] T.Jaakkola，D.Haussler，概率核回归模型，摘自：《1999年人工智能与统计会议论文集》，1999年，第9页。；T.Jaakkola，D.Haussler，概率核回归模型，摘自：《1999年人工智能与统计会议论文集》，1999年，第9页。 [37] Jaakkola，T.S。；Haussler，D.，在区分分类器中开发生成模型，高级神经信息处理。系统。，487-493 (1999) [38] A.Kashima、Hisashi Tsunda、Koji Inokuchi，标记图之间的边缘化核，收录于：ICML（2002），2003年，第321-328页。；A.Kashima、Hisashi Tsunda、Koji Inokuchi，标记图之间的边缘化核，收录于：ICML，（2002），2003年，第321-328页。 [39] Lafferty，J。；Lafferty，J。；黎巴嫩，G。；黎巴嫩，G.，《信息扩散核心》，《高级神经信息处理》。系统。，391-398 (2003) [40] D.Haussler，离散结构上的卷积核，见：技术报告UCSCRL9910 UC，23（1），1999，1-38，arXiv:arXiv:1403.8129v1http://dx.doi.org/10.1007/s10863-011-9338-7; D.Haussler，离散结构上的卷积核，见：技术报告UCSCRL9910 UC，23（1），1999，1-38，arXiv:arXiv:1403.8129v1http://dx.doi.org/10.1007/s10863-011-9338-7 [41] Gärtner，T.，《结构化数据内核调查》，ACM SIGKDD Explor。纽斯利特。，5, 1, 49 (2003) [42] T.Gärtner、P.Flach、S.Wrobel、T.Gártner，图上内核：硬结果和有效的替代方案，收录于：第16届计算学习理论年会和第7届内核研讨会论文集，2003年，第129-143页，http://dx.doi.org/10.1007/b12006; T.Gärtner、P.Flach、S.Wrobel、T.Gártner，图上内核：硬结果和有效的替代方案，收录于：第16届计算学习理论年会和第7届内核研讨会论文集，2003年，第129-143页，http://dx.doi.org/10.1007/b12006 ·Zbl 1274.68312号 [43] U.Kang，H.Tong，J.Sun，《快速随机游走图内核》，载《2012年SIAM国际数据挖掘会议论文集》，2012年，第828-838页，http://dx.doi.org/10.1137/1.9781611972825.71; U.Kang，H.Tong，J.Sun，《快速随机游走图内核》，载《2012年SIAM国际数据挖掘会议论文集》，2012年，第828-838页，http://dx.doi.org/10.1137/1.9781611972825.71 [44] P.Mahé，N.Ueda，T.Akutsu，J.-L.Perret，J.-P.Vert，边缘化图核的扩展，收录于：第二十届国际机器学习会议论文集，ICML 2004年，2004年，第552-559页，arXiv:arXiv:1011.1669v3http://dx.doi.org/10.1145/1015330.1015446; P.Mahé，N.Ueda，T.Akutsu，J.-L.Peret，J.-P.Vert，边缘化图核的扩展，载于：《第二十一届机器学习国际会议论文集》，ICML 20042004，第552-559页，arXiv:arXiv:101011.1669v3http://dx.doi.org/10.1145/1015330.1015446 [45] K.M.Borgwardt，H.P.Kriegel，图上最短路径核，摘自：IEEE国际数据挖掘会议论文集，ICDM，2005年，第74-81页，http://dx.doi.org/10.109/ICDM.2005.132; K.M.Borgwardt，H.P.Kriegel，图上最短路径核，摘自：IEEE国际数据挖掘会议论文集，ICDM，2005年，第74-81页，http://dx.doi.org/10.109/ICDM.2005.132 [46] 伊姆里奇，W。；Klavzar，S.，乘积图（2000），Wiley·Zbl 0963.05002号 [47] Nocedal，J。；Wright，S.J.，《数值优化》，第43卷，164-175（1999），arXiv:NIHMS150003 [48] Vishwanathan，S。；北施拉多尔夫。；康多，R。；Borgwardt，K.，Graph Kenrels，J.Mach。学习。第11201-1242号决议（2010年），arXiv:0807.0093·Zbl 1242.05112号 [49] Golub，G.H。；Van Loan，C.F.，《矩阵计算》（1996），arXiv:arXiv:1011.1669v3·兹比尔0865.65009 [50] Feragen，A。；北卡罗来纳州卡森堡。；彼得森，J。；de Bruijne，M。；Borgwardt，K.，具有连续属性的图的可缩放核，（神经信息处理系统进展（2013）），216-224 [51] T.Horváth，T.Gärtner，S.Wrobel，预测图挖掘的循环模式核，收录于：2004年ACM SIGKDD知识发现和数据挖掘国际会议论文集-KDD’04，2004，第158页，网址：http://dx.doi.org/10.1145/1014052.1014072; T.Horváth，T.Gärtner，S.Wrobel，预测图挖掘的循环模式核，收录于：2004年ACM SIGKDD知识发现和数据挖掘国际会议论文集-KDD’04，2004，第158页，http://dx.doi.org/10.1145/1014052.1014072 [52] N.Shervashidze，S.V.N.Vishwanathan，T.H.Petri，K.Mehlhorn，K.M.Borgwardt，《用于大型图形比较的高效graphlet内核》，载《第十二届国际人工智能与统计会议论文集》，2009年，第488-495页，http://dx.doi.org/10.1.165.7842; N.Shervashidze，S.V.N.Vishwanathan，T.H.Petri，K.Mehlhorn，K.M.Borgwardt，《用于大型图形比较的高效graphlet内核》，载《第十二届国际人工智能与统计会议论文集》，2009年，第488-495页，http://dx.doi.org/10.1.165.7842 [53] H.Frohlich、J.K.Wegner、F.Sieker、A.Zell、H.Fröhlich和J.K.Wigner、F·Sieker和A.Zell，《属性化分子图的最优赋值核》，载《第22届国际机器学习会议论文集》，2005年，第225-232页，http://dx.doi.org/10.1145/102351.1102380; H.Frohlich、J.K.Wegner、F.Sieker、A.Zell、H.Fröhlich和J.K.Wigner、F·Sieker和A.Zell，《属性化分子图的最优赋值核》，载《第22届国际机器学习会议论文集》，2005年，第225-232页，http://dx.doi.org/10.1145/102351.1102380 [54] Costa，F。；Grave，K.D.，《快速邻域子图成对距离内核》，计算机，54，v，255-262（2003） [55] N.Wale，G.Karypis，《化合物检索和分类描述符空间的比较》，收录于：《IEEE国际数据挖掘会议论文集》，ICDM，2006年，第678-689页，http://dx.doi.org/10.109/ICDM.2006.39; N.Wale，G.Karypis，用于化合物检索和分类的描述符空间的比较，载于：Proceedings-IEEE International Conference on Data Mining，ICDM，2006，pp.678-689，http://dx.doi.org/10.109/ICDM.2006.39 [56] S.Menchetti，F.Costa，P.Frasconi，加权分解核，载《第22届机器学习国际会议论文集》，2005年，第585-592页，http://dx.doi.org/10.1145/102351.1102425; S.Menchetti，F.Costa，P.Frasconi，加权分解核，载《第22届机器学习国际会议论文集》，2005年，第585-592页，http://dx.doi.org/10.1145/102351.1102425 [57] Schietgat，L。；拉蒙，J。；Bruynooghe，M。；Blockeel，H.，（一种用于小分子分类的高效可计算的基于图形的度量。一种用于小型分子分类的有效可计算的以图形为基础的度量，计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿），第5255卷（2008）），197-209年，LNAI [58] J.Ramon，T.Gärtner，图核的表达性与效率，摘自：第一届挖掘图、树和序列国际研讨会论文集，2003年，第65-74页。；J.Ramon，T.Gärtner，图核的表达性与效率，收录于：第一届挖掘图、树和序列国际研讨会论文集，2003年，第65-74页。 [59] Mahé，P。；Vert，J.P.，《基于分子树模式的图形核》，马赫。学习。，75、1、3-35（2009），arXiv:0609024v1·Zbl 1473.68154号 [60] Shervashidze，N。；Schweitzer，P。；吕文，V。；简·E。；Mehlhorn，K。；Borgwardt，K.，Weisfeiler-Lehman图核，J.Mach。学习。第12号决议，2539-2561（2011年）·Zbl 1280.68194号 [61] N.Shervashidze，K.M.Borgwardt，图上的快速子树核，载于：第23届神经信息处理系统年会，2009年，第1660-1668页。；N.Shervashidze，K.M.Borgwardt，图上的快速子树核，收录于：第23届神经信息处理系统年会，2009年，第1660-1668页。 [62] Neumann，M。；加内特，R。；Bauckhage，C。；Kersting，K.，传播核：来自传播信息的有效图形核，马赫数。学习。，102, 2, 209-245 (2016) ·Zbl 1357.68178号 [63] P.Yanardag，W.Lafayette，S.V.N.Vishwanathan，深度图内核，摘自：第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集，2015年，第1365-1374页，http://dx.doi.org/10.1145/2783258.2783417; P.Yanardag，W.Lafayette，S.V.N.Vishwanathan，深度图内核，摘自：第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集，2015年，第1365-1374页，http://dx.doi.org/10.1145/2783258.2783417 [64] Schmidhuber，J.，《神经网络中的深度学习：概述》，神经网络。，61, 85-117 (2015) [65] A.Narayanan，M.Chandramohan，R.Venkatesan，L.Chen，Y.Liu，S.Jaiswal，graph2vec:学习图的分布式表示，2017，arXiv预印本arXiv:1707.05005；A.Narayanan，M.Chandramohan，R.Venkatesan，L.Chen，Y.Liu，S.Jaiswal，graph2vec:学习图的分布式表示，2017，arXiv预印本arXiv:1707.05005 [66] T.N.Kipf，M.Welling，图卷积网络的半监督分类，2016，arXiv预印本arXiv:16090.2907；T.N.Kipf，M.Welling，图卷积网络半监督分类，2016，arXiv预印本arXiv:1609.02907 [67] Sowa，J.F.，《语义网络原则：知识表征的探索》（2014），摩根·考夫曼 [68] A.Singhal，《知识图简介：事物，而非字符串》，谷歌官方博客，2012年。；A.Singhal，《知识图简介：事物，而非字符串》，谷歌官方博客，2012年。 [69] Gasteiger，J。；Engel，T.，《化学信息学：教科书》（Computational（2003）），第680页 [70] Debnath，A.K。；Lopez de Compadre，R.L。；Debnath，G。；舒斯特曼，A.J。；Hansch，C.，诱变芳香族和杂芳香族硝基化合物的构效关系。与分子轨道能量和疏水性的关系。，医学化学杂志。，34, 2, 786-797 (1991) [71] 香薰酮，H。；Srinivasan，A。；金·R·D。；克莱默，S。；Helma，C.，2000-2001年预测毒理学挑战的统计评估，生物信息学，19，10，1183-1193（2003） [72] Berman，H.M.，蛋白质数据库，核酸研究，28，1，235-242（2000） [73] 塞纳里奥斯，I。；Salwinski，L。；段，X.J。；Higney，P。；Kim，S.-M。；艾森伯格，D.，DIP，《相互作用蛋白质数据库：研究蛋白质相互作用细胞网络的研究工具》，《核酸研究》，30，1，303-305（2002） [74] Kanehisa，M.，《章节：KEGG数据库》，自然生物技术。，22, 8, 1017-1019 (2004) [75] 戴维森·E·H。；Rast，J.P。；Oliveri，P。；A.兰西克。；Calestani，C。；Yuh，C.-H。；Minokawa，T。；阿莫尔，G。；Hinman，V。；阿里纳斯·梅纳，C。；Otim，O。；Brown，C.T。；Livi，C.B。；Lee，P.Y。；Revilla，R。；锈蚀，A.G。；潘，Z.J。；Schilstra，M.J。；Clarke，P.J.C。；M.I.阿诺内。；罗文，L。；卡梅隆，R.A。；McClay，D.R。；胡德·L。；Bolouri，H.，《发育的基因组调控网络》，《科学》，29555601669-1678（2002） [76] Huson，D.H。；Bryant，D.，进化研究中系统发育网络的应用，分子生物学。演变。，23, 2, 254-267 (2006) [77] 威斯托克，J.C。；Lesk，A.M.，《从蛋白质序列和结构预测蛋白质功能》，Q.Rev.Biophys。，36, 3, 307-340 (2003) [78] Wasserman，S。；Faust，K.，《社会网络分析：方法与应用》，美国民族学家，第24卷，219-220（1994），arXiv:arXiv:101011.1669v3 [79] L.Page，链接数据库中节点排名方法，美国专利7058628，1（12），1998年，第1-13页，arXiv:arXiv:1208.5721http://dx.doi.org/10.1016/j。(73); L.Page，链接数据库中节点排名方法，美国专利7058628，1（12），1998年，第1-13页，arXiv:arXiv:1208.5721http://dx.doi.org/10.1016/j。(73) [80] Deutsch，A。；费尔南德斯，M。；Florescu，D。；利维，A。；Suciu，D.，一种XML查询语言，Compute。净值。，31, 11-16, 1155-1169 (1999) [81] M.Weis，F.Naumann，《检测复杂XML数据中的重复项》，载于：Proceedings-International Conference on data Engineering，第2006卷，2006年，第109页，http://dx.doi.org/10.109/ICDE.2006.49; M.Weis，F.Naumann，《检测复杂XML数据中的重复数据》，载于：《国际数据工程会议论文集》，2006年第卷，第109页，http://dx.doi.org/10.109/ICDE.2006.49 [82] M.Collins，N.Duffy，自然语言的卷积核，收录于：Proceedings of Neural Information Processing Systems 2001-Advances in Neural Information Processing System 14，2002，pp.625-632，http://dx.doi.org/10.1.19.8980; M.Collins，N.Duffy，自然语言的卷积核，收录于：Proceedings of Neural Information Processing Systems 2001-Advances in Neural Information Processing System 14，2002，pp.625-632，http://dx.doi.org/10.1.19.8980 [83] 达斯，N。；戈什，S。；Gonçalves，T。；Quaresma，P.，《基于语义文本分类的不同图形距离度量的比较》，Polibits，49，51-58（2014） [84] 达斯，N。；Ghosh，S。；Gonçalves，T。；Quaresma，P.，《使用图形和语义信息改进文本分类器》，（自然语言处理国际会议（2014），施普林格），324-336 [85] 贝克，D。；科恩，T。；Hardmeier，C。；Specia，L.，学习自然语言处理的结构内核，Trans。关联计算。语言学家。，3, 461-473 (2015) [86] Aldea，E。；阿蒂夫·J。；Bloch，I.，使用边缘化核对图形进行图像分类，（模式识别中基于图形的表示（2007）），103-113·兹比尔1182.68143 [87] F.R.Bach，《点云之间的图形内核》，载《第25届机器学习国际会议论文集》，2008年，第25-32页，arXiv:arXiv:0712.3402v1http://dx.doi.org/10.1145/1390156.1390160; F.R.Bach，《点云之间的图形内核》，载《第25届机器学习国际会议论文集》，2008年，第25-32页，arXiv:arXiv:0712.3402v1http://dx.doi.org/10.1145/1390156.1390160 [88] Z.哈查乌伊。；Bach，F.，带分割图核的图像分类，（IEEE计算机视觉和模式识别会议，2007年）。IEEE计算机视觉和模式识别会议，2007年，CVPR’07（2007），IEEE），1-8 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。