- 关于与GRIN的比较
在transductive kriging comparisons中有提及,同时也比较了GRIN的reduce version,MPGRU
- 关于Kriging在文章中的体现
基本上是套了个壳(通过已知点的信息来推断未知点的数值),Kriging的核心半方差图(semivariogram)等均未提及
- 关于虚拟点的构建
- 保留原始观测部分:
adj_aug
的前n1 x n1
部分被设置为原始邻接矩阵adj
,保留了原始观测节点之间的连接信息,其他部分则是虚拟节点相关信息。 - 连接虚拟节点:对于每一个新添加的虚拟节点,代码随机选择一个当前的节点(包括观测节点和已添加的虚拟节点)并将其作为连接的起点。然后,基于该起点节点的一跳邻居,随机选择一些节点作为连接的终点,从而在虚拟节点和这些邻居节点之间建立连接。这一过程使用了随机概率
p
和选择条件options
来控制连接的方向(正向、反向或双向)。 - 更新邻接矩阵:通过上述过程,
adj_aug
中相应的位置被设置为 1(对于sea_loop_point
数据集,则是将非零元素设置为 1),表示节点之间的连接。这样,新的邻接矩阵adj_aug
就同时包含了原始观测节点和新添加的虚拟节点的连接信息。 - 是在初始化
adj
时应用的高斯核
对应的代码如下:(貌似就是将矩阵扩大了,然后新增一些边