Journal of Mathematical Imaging and Vision

Các đại diện dựa trên đồ thị đã được chứng minh là mạnh mẽ trong thị giác máy tính. Thách thức phát sinh với khối lượng lớn dữ liệu đồ thị là tính toán khoảng cách chỉnh sửa tốn kém về mặt tính toán. Các hạt đồ thị có thể được sử dụng để xây dựng các thuật toán hiệu quả nhằm xử lý dữ liệu có độ chiều cao, và đã được chứng minh là một cách tinh tế để vượt qua nút cổ chai tính toán này. Trong bài báo này, chúng tôi điều tra xem độ phân tán Jensen-Shannon có thể được sử dụng như một phương tiện để thiết lập một hạt đồ thị hay không. Hạt Jensen-Shannon là một hạt lý thuyết thông tin không mở rộng, và được định nghĩa bằng cách sử dụng độ entropy và thông tin tương hỗ được tính toán từ các phân phối xác suất dựa trên các cấu trúc đang được so sánh. Để thiết lập một hạt đồ thị Jensen-Shannon, chúng tôi khám phá hai phương pháp khác nhau. Phương pháp đầu tiên dựa trên độ entropy von Neumann liên quan đến một đồ thị. Phương pháp thứ hai sử dụng độ entropy Shannon liên quan đến vector trạng thái xác suất cho một chuyển động ngẫu nhiên ở trạng thái ổn định trên một đồ thị. Chúng tôi so sánh hai hạt đồ thị thu được cho vấn đề phân cụm đồ thị. Chúng tôi sử dụng phân tích thành phần chính theo hạt (kPCA) để nhúng đồ thị vào một không gian đặc trưng. Các kết quả thực nghiệm cho thấy phương pháp này mang lại kết quả phân loại tốt trên các đồ thị được trích xuất từ cả cơ sở dữ liệu nhận dạng đối tượng và từ một ứng dụng trong sinh thông tin.