Self-Adaptive Clustering of Dynamic Multi-Graph Learning
Self-Adaptive Clustering of Dynamic Multi-Graph Learning
复制标题
动态多图学习的自适应聚类
DOI：
10.1007/s11063-020-10405-6
复制
发表时间：
2021-01
影响因子：
3.1
通讯作者：
Jiaye Li
中科院分区：
文献类型：
--
作者：
Bo Zhou;Yangding Li;Xincheng Huang;Jiaye Li
在图聚类过程中，对数据图的结构质量要求非常严格，这将直接影响到最终的聚类结果。增强数据图是提高图聚类性能的关键步骤。在
In the process of graph clustering, the quality requirements for the structure of data graph are very strict, which will directly affect the final clustering results. Enhancing data graph is the key step to improve the performance of graph clustering. In
登录
查看更多内容
DOI：
10.1109/tpami.2003.1201819
发表时间：
2003-06-01
影响因子：
23.6
作者：
Wang, S;Siskind, JM
通讯作者：
Siskind, JM
影响因子：
2.5
作者：
R. Lordo
通讯作者：
R. Lordo
DOI：
10.1109/tkde.2020.3017250
发表时间：
2022-06
影响因子：
8.9
作者：
Xiaofeng Zhu;Shichao Zhang;Yonghua Zhu;Pengfei Zhu;Yue Gao
通讯作者：
Xiaofeng Zhu;Shichao Zhang;Yonghua Zhu;Pengfei Zhu;Yue Gao
DOI：
10.1109/cvpr.2018.00181
发表时间：
2018-03
期刊：
2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
N. Cahill;Tyler L. Hayes;R. T. Meinhold;John F. Hamilton
通讯作者：
N. Cahill;Tyler L. Hayes;R. T. Meinhold;John F. Hamilton
DOI：
10.1109/34.868688
发表时间：
2000-08-01
影响因子：
23.6
作者：
Shi, JB;Malik, J
通讯作者：
Malik, J