Некоторые аннотации для встраивания узлов для сходства графиков

Анализ принципа расстояния Earth Mover

Earth Mover's Distance, или EMD, - это журнальная статья IJCV 2000 года.《The Earth Mover's Distance as a Metric for Image Retrieval》предложенныйМера сходства изображенийМетоды, как также может быть известно из названия статьи, концепция EMD изначально использовалась для поиска изображений. Позже, из-за его различных преимуществ, он постепенно использовался в других аспектах.мера сходства.эта частьВ основном понимаю EMDКонцепции и принципы.

несколько основных понятий

Подпись определяется как ряд важных функций, которые вы можете написать,является характеристикой,это вес функции.

$P=\{ (P_1,w_{p_1}),(P_2,w_{p_2}),(P_3,w_{p_3}),...,(P_M,w_{p_M})\}$ , $Q=\{ (Q_1,w_{q_1}),(Q_2,w_{q_2}),(Q_3,w_{q_3}),...,(Q_N,w_{Q_N})\}$
EMD сама по себе является задачей линейного программирования. Предположениеявляется особенностью образа, $w_{p_i}$ характеренвес иявляется чертой другого образа, $w_{q_j}$ характерен $w_{q_j}$ вес.
особенностьКоллекции и особенностиматрица расстояний между множествами $[d_{ij}]$ ,Каждый $[d_{ij}]$ представлятьирасстояние (например, расстояние L1, L2 и т. д.), мы можем видеть $[d_{ij}]$ Являетсяматрица.

Цель

надеюсь найти одинflow, которая также является матрицей $F=[f_{ij}]$ ,Каждый $f_{ij}$ представлять из P_i прибыть Q_j количество потоков, $d_{ij}$ да p_i место для q_j Стоимость местоположения (расстояния), тем самым минимизируя глобальную функцию стоимости:

$WORK(P,Q,E)=\sum_{i=1}^{m} \sum_{j=1}^{n}d_{ij}f_{ij}$

Этот поток является решением линейного программирования

Выражение линейного программирования:
Принципиальная схема линейного программирования
Для этой статьи сходство между подграфами, выражение линейного программирования:

Ядро графа соответствия пирамиды (пересечение гистограммы) Принцип анализа

метод родом из《The Pyramid Match Kernel:Discriminative Classification with Sets of Image Features》Эта статья используется для сопоставления сходства на гистограммах, состоящих из признаков.

Фундаментальный

PMработает, разделяя пространство признаков на все более и более крупные области и взвешивая сумму совпадений на каждом уровне.
Если они принадлежат одному и тому же региону, говорят, что две точки совпадают. Совпадения в более крупных регионах имеют меньший вес, чем совпадения в более мелких регионах.

from

1D схема