370
0
2025-09-29
2025-09-29
近日，研究組23級(jí)博士研究生程俊偉作為第1作者在人工智能領(lǐng)域頂級(jí)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(xué)術(shù)論文。至此，GraphAI4IE研究組成立三年來(lái)，已在TPAMI、TKDE、Information Fusion、AAAI、SIGIR、WWW、MM、 CIKM、UAI、DASFAA等CCF A、B類(lèi)、Trans類(lèi)、中科院1-2區(qū)、計(jì)算領(lǐng)域高質(zhì)量科技期刊T1類(lèi)發(fā)表高層次論文30余篇。
附：TPAMI論文和期刊簡(jiǎn)介
該論文聚焦于圖聚類(lèi)（社區(qū)發(fā)現(xiàn)）任務(wù)中的變分自編碼器模型優(yōu)化問(wèn)題，創(chuàng)新性地引入頻域信號(hào)調(diào)制機(jī)制，為變分圖自編碼器與去噪擴(kuò)散模型的結(jié)合開(kāi)辟了新的視角。在圖機(jī)器學(xué)習(xí)領(lǐng)域，變分圖自編碼器（VGAE）被廣泛應(yīng)用于社區(qū)發(fā)現(xiàn)等任務(wù)，去噪擴(kuò)散概率模型（DDPM）因其強(qiáng)大的生成能力被引入VGAE以增強(qiáng)其聚類(lèi)效果。然而，DDPM擴(kuò)散機(jī)制在頻譜層面與VGAE對(duì)信號(hào)的偏好存在沖突。研究發(fā)現(xiàn)，VGAE傾向于保留低頻信號(hào)而抑制高頻信號(hào)，而原始 DDPM卻會(huì)“全頻放大”信號(hào)且難以準(zhǔn)確表征潛在聚簇信息，進(jìn)而導(dǎo)致頻譜錯(cuò)配與簇結(jié)構(gòu)退化等問(wèn)題。為此，該論文設(shè)計(jì)了一種頻域調(diào)制擴(kuò)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(qiáng)低頻、抑制高頻，使擴(kuò)散輸出更符合VGAE的頻譜偏好；（2）簇驅(qū)動(dòng)的條件擴(kuò)散。引入Student-t分布建模簇結(jié)構(gòu)，引導(dǎo)擴(kuò)散過(guò)程學(xué)習(xí)并保留社區(qū)邊界信息；（3）插件式設(shè)計(jì)：可無(wú)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(jì)算機(jī)學(xué)會(huì)主辦，創(chuàng)刊于1979年，主要收錄涵蓋計(jì)算機(jī)視覺(jué)、模式識(shí)別、機(jī)器學(xué)習(xí)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(xué)術(shù)影響力。該期刊最新SCI影響因子為18.6，是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）認(rèn)定的A類(lèi)期刊、中科院一區(qū)TOP期刊。
