380
0
2025-09-29
2025-09-29
近日，研究組23級博士研究生程俊偉作為第1作者在人工智能領(lǐng)域頂級期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）發(fā)表題為“Clustering diffusion model with frequency-signal modulation for variational graph autoencoders”的學術(shù)論文。至此，GraphAI4IE研究組成立三年來，已在TPAMI、TKDE、Information Fusion、AAAI、SIGIR、WWW、MM、 CIKM、UAI、DASFAA等CCF A、B類、Trans類、中科院1-2區(qū)、計算領(lǐng)域高質(zhì)量科技期刊T1類發(fā)表高層次論文30余篇。
附：TPAMI論文和期刊簡介
該論文聚焦于圖聚類（社區(qū)發(fā)現(xiàn)）任務中的變分自編碼器模型優(yōu)化問題，創(chuàng)新性地引入頻域信號調(diào)制機制，為變分圖自編碼器與去噪擴散模型的結(jié)合開辟了新的視角。在圖機器學習領(lǐng)域，變分圖自編碼器（VGAE）被廣泛應用于社區(qū)發(fā)現(xiàn)等任務，去噪擴散概率模型（DDPM）因其強大的生成能力被引入VGAE以增強其聚類效果。然而，DDPM擴散機制在頻譜層面與VGAE對信號的偏好存在沖突。研究發(fā)現(xiàn)，VGAE傾向于保留低頻信號而抑制高頻信號，而原始 DDPM卻會“全頻放大”信號且難以準確表征潛在聚簇信息，進而導致頻譜錯配與簇結(jié)構(gòu)退化等問題。為此，該論文設計了一種頻域調(diào)制擴散模塊，其主要特性包括：（1）基于小波變換的譜域調(diào)控。借助圖小波變換增強低頻、抑制高頻，使擴散輸出更符合VGAE的頻譜偏好；（2）簇驅(qū)動的條件擴散。引入Student-t分布建模簇結(jié)構(gòu)，引導擴散過程學習并保留社區(qū)邊界信息；（3）插件式設計：可無縫集成至VGAE主流框架，具備良好的通用性與遷移能力。
TPAMI由IEEE計算機學會主辦，創(chuàng)刊于1979年，主要收錄涵蓋計算機視覺、模式識別、機器學習等方向的原創(chuàng)性研究成果，在人工智能領(lǐng)域具有極高的學術(shù)影響力。該期刊最新SCI影響因子為18.6，是中國計算機學會（CCF）認定的A類期刊、中科院一區(qū)TOP期刊。
