Sur la similarité spectrale des graphes par mesure de corrélation - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Sur la similarité spectrale des graphes par mesure de corrélation

Résumé

Dans cet article, nous présentons une mesure de similarité spectrale entre deux graphes basée sur un calcul de corrélation entre les spectres de leurs matrices de représentation Tα := αD + (1 − 2α)A, paramétrée par 0 ≤ α ≤ 1, où A et D sont respectivement la matrice d’adjacence et la matrice des degrés. Nous montrons par ailleurs que Tα est semi-définie positive pour α ≥ 1/2. Ce travail tend à montrer la pertinence de cette mesure, qui, introduit dans un noyau de type Gaussien d’un SVM permet une classification performante de bases de données de graphes connues de la littérature et de classification de signaux réels transformés en graphe grâce à la méthode dite de visibilité. Les résultats obtenus en termes de mesure d’exactitude sont similaires voire meilleurs à ceux obtenus avec des noyaux structurels pour un temps de calcul bien moindre et ce, en ne calculant qu’un seul spectre pour chaque graphe. De plus, nous montrons l’apport de Tα par rapport à la matrice d’α-adjacence de Nikiforov pour la classification de graphes.
Fichier principal
Vignette du fichier
IRENAV_Gretsi_2023_AVERTY.pdf (517.43 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04197112 , version 1 (05-09-2023)

Identifiants

  • HAL Id : hal-04197112 , version 1

Citer

Tristan Averty, Delphine Dare-Emzivat, Abdel-Ouahab Boudraa. Sur la similarité spectrale des graphes par mesure de corrélation. XXIXème Colloque Francophone de Traitement du Signal et des Images (GRETSI'23), Aug 2023, Grenoble, France. ⟨hal-04197112⟩
9 Consultations
12 Téléchargements

Partager

Gmail Facebook X LinkedIn More