Obtaining the consensus of multiple correspondences between graphs through online learning

در شناخت ساختار ساختار، معمولا یک جفت اجسام را از طریق تولید مکاتبات بین عناصر هر یک از قطعات محلی آنها مقایسه می کنیم. برای انجام این کار، یکی از روشهای طبیعی برای نشان دادن این اشخاص، از طریق نمودارهای اختصاصی است. چندین روش استخراج گراف ممکن است اجرا شود و بنابراین، تعداد زیادی از نمودارها، که ممکن است نه تنها در گره ها و ساختار لبه آنها، بلکه در دامنه های ویژگی آنها نیز متفاوت باشد، می توانند از همان شیء ایجاد شوند. پس از آن یک فرایند تطبیق برای تولید مکاتبات بین دو گراف اختصاص داده شده و با توجه به روش تطبیق گراف انتخاب شده، یک مکاتبات منحصر به فرد از یک جفت داده شده از نمودارهای اختصاص داده شده تولید می شود. ترکیبی از این عوامل منجر به امکان مقدار زیادی مکاتبات بین دو اشیاء اصلی می شود. این مقاله روشی را ارائه می دهد که با در نظر گرفتن مکاتبات متعدد برای پاسخگویی به یک واحدی به نام مکاتبات اجتناب ناپذیر، این مشکل را برطرف می کند، از بین بردن هر دو ناپیوستگی ناشی از استخراج گراف و فرآیندهای تطبیق گراف. علاوه بر این، از طریق استفاده از یک الگوریتم یادگیری آنلاین، می توان برخی از وزن هایی را که بر تولید مکاتبات اجتناب ناپذیر تاثیر می گذارد، به دست آورد. این به این معنی است که الگوریتم به طور خودکار کیفیت هر دو دامنه ویژگی و مکاتبات را برای هر پیشنهاد مربوط به مکاتبات اولیه در توافق نظر می گیرد و مجموعه ای از وزن ها را بر اساس این کیفیت تعریف می کند. نشان داده شده است که این روش به طور خودکار تمایل دارد مقادیر بزرگتری را به پیشنهادات اولیه با کیفیت بالا اختصاص دهد و بنابراین قادر است مکاتبات سازش بهتر را به دست آورد.