在使用图信号处理工具之前需要知道信号的底层图，即信号的空间结构。但在实际场景中，尤其是对于缺失信号而言，图未必是已知的。对此提出一种缺失信号的图学习模型。利用信号的空间变分和稀疏惩罚项来学习图，同时利用空间变分和时间变分及学到的图重构信号，重复迭代直至目标函数值最小时得到最优解。实验结果表明在信号缺失的情况下，该模型依然能够合理学习到图结构，并且在实测温度数据中聚类和信号重构的效果要优于常用的聚类算法和图信号重构算法。
科研之友
微信
新浪微博
Facebook
分享链接
