文件名称：matlab精度检验代码-benchmark_graphinference:Benchmark_graphinference
文件大小：68.94MB
文件格式：ZIP
更新时间：2024-06-10 20:28:22
系统开源
matlab精度检验代码用于机器学习的图拓扑推理基准 基准图拓扑推断方法的代码，旨在提高机器学习方法的性能。 我们提供了用于简单评估新方法的即插即用代码以及一些基准结果的代码。 数据集 我们以numpy和Matlab格式提供了4个数据集（cora，toronto，ESC-50和）。 这些文件位于精致的数据集文件夹中。 我们还提供了用于通过运行extract_features.py脚本来重现特征提取的代码。 如果要重新提取功能，则必须使用download_raw（./download_raw/{dataset}.sh DATA_FOLDER）文件夹中的.sh脚本下载原始数据。 图推断基准 我们提供了用于生成朴素推断（具有不同k /相似性内核值的KNN）和的代码。 我们感谢NNK的作者的易用性和可访问性。 我们还使用进行了测试，但目前我们不提供用于执行此操作的代码（因为它是在matlab / octave中完成的，因此我们需要包含其他工具箱）。 我们的方法接受纯/压缩（gz）文本形式的图形。 generate_graph.py中提供了一个功能save_adjacence_matrix，用于
【文件预览】：
benchmark_graphinference-master
----graph()
--------cora_Cosine_False_10_BothSides_False_False.gz(508KB)
--------toronto_RBF_False_5_None_False_False_False.gz(52KB)
--------toronto_RBF_False_1500_BothSides_True_False.gz(21.41MB)
----.gitignore(1KB)
----generate_graph.py(9KB)
----README.md(5KB)
----benchmark_denoising.py(1KB)
----download_raw()
--------flowers102.sh(348B)
--------cora.sh(218B)
--------toronto.sh(232B)
--------esc-50.sh(110B)
----.gitmodules(199B)
----SGC()
----environment.yml(5KB)
----sound_feature_extractor()
----unsupervised_benchmark.py(3KB)
----LICENSE(1KB)
----nnk()
--------graph_construction.py(3KB)
--------non_neg_qpsolver.py(2KB)
--------__init__.py(0B)
--------graph_utils.py(4KB)
----graph_denoising.py(3KB)
----semi_supervised_benchmark.py(14KB)
----benchmark_unsupervised.py(2KB)
----benchmark_sgc.py(2KB)
----extract_features.py(8KB)
----results()
--------unsupervised_discretize.csv(200KB)
--------sgc.csv(225KB)
--------sgc1000.csv(226KB)
--------unsupervised.csv(42KB)
--------labelprop.csv(178KB)
--------unsupervised_kmeans.csv(200KB)
--------benchmark_denoising.csv(23KB)
----prepare_flowers102.py(1KB)
----benchmark_labelprop.py(2KB)
----nn.csv(2KB)
----read_results.ipynb(26KB)
----graph_denoising.sh(2KB)
----refined_datasets()
--------features()
----signals_over_graphs_baselines.sh(2KB)