Computing Nonlinear Eigenfunctions via Gradient Flow Extinction

Beitrag in einem Sammelwerk
(Buchkapitel)


Details zur Publikation

Autorinnen und Autoren: Bungert L, Burger M, Tenbrinck D
Titel Sammelwerk: Scale Space and Variational Methods in Computer Vision - 7th International Conference, SSVM 2019, Proceedings
Verlag: Springer Verlag
Jahr der Veröffentlichung: 2019
Titel der Reihe: Lecture Notes in Computer Science
Seitenbereich: 291-302
ISBN: 978-3-030-22367-0
ISSN: 0302-9743
Sprache: Englisch


Abstract

In this work we investigate the computation of nonlinear eigenfunctions via the extinction profiles of gradient flows. We analyze a scheme that recursively subtracts such eigenfunctions from given data and show that this procedure yields a decomposition of the data into eigenfunctions in some cases as the 1-dimensional total variation, for instance. We discuss results of numerical experiments in which we use extinction profiles and the gradient flow for the task of spectral graph clustering as used, eg, in machine learning applications.


FAU-Autorinnen und Autoren / FAU-Herausgeberinnen und Herausgeber

Bungert, Leon
Burger, Martin Prof. Dr.
Lehrstuhl für Angewandte Mathematik (Modellierung und Numerik)
Tenbrinck, Daniel Dr.
Lehrstuhl für Angewandte Mathematik (Modellierung und Numerik)


Zitierweisen

APA:
Bungert, L., Burger, M., & Tenbrinck, D. (2019). Computing Nonlinear Eigenfunctions via Gradient Flow Extinction. In Scale Space and Variational Methods in Computer Vision - 7th International Conference, SSVM 2019, Proceedings. (pp. 291-302). Springer Verlag.

MLA:
Bungert, Leon, Martin Burger, and Daniel Tenbrinck. "Computing Nonlinear Eigenfunctions via Gradient Flow Extinction." Scale Space and Variational Methods in Computer Vision - 7th International Conference, SSVM 2019, Proceedings. Springer Verlag, 2019. 291-302.

BibTeX: 

Zuletzt aktualisiert 2019-25-06 um 21:53