Natural Graph Wavelet Packet Dictionaries
Natural Graph Wavelet Packet Dictionaries
复制标题
自然图小波包字典
DOI：
10.1007/s00041-021-09832-3
复制
发表时间：
2021
影响因子：
1.2
通讯作者：
Saito, Naoki
中科院分区：
文献类型：
--
作者：
Cloninger, Alexander;Li, Haotian;Saito, Naoki
我们为图上的信号引入了一组新的多尺度基变换，通过结合图拉普拉斯特征向量之间的“自然”距离来利用它们的“对偶”域，而不是简单地使用特征值排序。这些基字典可以看作是经典香农小波包字典对任意图的推广，并且不依赖于拉普拉斯特征值的频率解释。我们描述了构建这些基字典的算法（包括向量旋转或正交化），使用它们通过最佳基搜索有效地近似图信号，并展示了这些基字典在向日葵图和街道网络上测量图信号的优势。
We introduce a set of novel multiscale basis transforms for signals on graphs that utilize their “dual” domains by incorporating the “natural” distances between graph Laplacian eigenvectors, rather than simply using the eigenvalue ordering. These basis dictionaries can be seen as generalizations of the classical Shannon wavelet packet dictionary to arbitrary graphs, and do not rely on the frequency interpretation of Laplacian eigenvalues. We describe the algorithms (involving either vector rotations or orthogonalizations) to construct these basis dictionaries, use them to efficiently approximate graph signals through the best basis search, and demonstrate the strengths of these basis dictionaries for graph signals measured on sunflower graphs and street networks.
登录
查看更多内容
影响因子：
3
作者：
Jennrich, RI
通讯作者：
Jennrich, RI
我们如何自然地排序和组织图拉普拉斯特征向量？
DOI：
10.1109/ssp.2018.8450808
发表时间：
2018
期刊：
2018 IEEE Statistical Signal Processing Workshop (SSP)
影响因子：
--
作者：
N. Saito
通讯作者：
N. Saito
DOI：
10.5860/choice.39-4632
发表时间：
1987
期刊：
JSIAM Lett.
影响因子：
--
作者：
Caroline M Best;J. Roden;K. Phillips;A. Pyatt;Malgorzata C Behnke
通讯作者：
Malgorzata C Behnke
DOI：
10.1109/ssp.2014.6884678
发表时间：
2014-06
期刊：
2014 IEEE Workshop on Statistical Signal Processing (SSP)
影响因子：
--
作者：
Jeff Irion;N. Saito
通讯作者：
Jeff Irion;N. Saito
使用自适应 Haar-Walsh 平铺进行图像压缩
DOI：
10.1117/12.408575
发表时间：
2000
期刊：
2016 IEEE 26th International Workshop on Machine Learning for Signal Processing (MLSP)
影响因子：
--
作者：
M. Lindberg;L. Villemoes
通讯作者：
L. Villemoes