本文主要介绍了在图形中检测异常活动的统计问题,并利用子模的方法近似不可计算的广义似然比,应用电网络理论控制了第一类错误率并证明了条件下,该方法具有风险一致性。此外,还考虑了具体的图形模型,并将结果与已知的下限进行比较,证明了其在这些图形上提供了接近最佳的性能。
Dec, 2013
研究如何检测在被加性高斯噪声污染的大矩阵中具有提高平均值的小子矩阵的最小极小方法,考虑复杂度理论角度的统计性能和计算成本之间的平衡问题,得出当矩阵规模 p→无穷大时,当子矩阵大小 k =Θ(pα) 时,计算复杂度会对统计性能造成严重的惩罚,并且关于支持恢复的困难程度也得出了结果。
Sep, 2013
本研究提供一个通用 minimax 理论来解决社区检测问题,在广泛的设置中给出了 mis-match ratio 的 minimax 速率,包括同质和非同质 SBMs,密集和稀疏网络,有限和不断增长的社区数量。研究使用了一系列的惩罚最大似然方法来获得一个上界,并通过交换性质将全局 mis-match ratio 降至一个本地聚类问题来实现一个下界。结果同时阐明了在强一致性(精确恢复)和弱一致性(部分恢复)方面的阈值现象。
Jul, 2015
我们提出了一个图信号模型,并将信号恢复任务转化为对应的优化问题,通过交替方向乘子方法提供一般解决方案,然后展示了信号修复、矩阵完成、鲁棒主元分析和异常检测等都与图信号恢复有关,提供了相应的特定解决方案和理论分析,最后在在线博客分类、桥梁状况识别、温度估计、推荐系统和在线博客分类专家意见结合等实际恢复问题上验证了所提出的方法。
Nov, 2014
考虑在稀疏随机网络中检测紧密社区的问题,将其形式化为在随机图中测试是否存在密集子图。在本文中,我们研究渐近稀疏情况下的信息理论下限,并比较了各种测试方法的性能,发现我们的检测边界是尖锐的。
Aug, 2013
本文提出一种基于网络扩散或疾病传播数据来推断潜在社交网络的最大似然方法,该方法基于凸规划,使用类似于 L1 的惩罚项来鼓励稀疏性,实验结果表明该方法几乎完美地恢复了潜在的网络结构和传播模型参数,且可推断数千个节点的最优网络。
Oct, 2010
使用小子图的观察频率之间的关系,提出了一种基于三节点子图频率的社区结构存在简单检验方法,该方法能够在网络引导模型的零假设下,显示出渐近正态的检验统计量,并在纠正度量复合备选假设下具有接近于一的功率,此外,该方法亦可用于多元高斯数据的检验,并应用于社交网络、科学文章的引用网络和标普 500 公司之间的股票回报率的检测。
Oct, 2017
本文考虑了图分类的问题并提出了一种建模方法以及相关的分类器,该方法可以用于将大脑图像分为男性和女性。
Aug, 2011
提出了一种基于子模函数理论的随机算法,可以在多项式时间复杂度下有效地选择具有信息量的变量子集,并在两个复杂实际数据集上表现出良好效果。
Jul, 2012
本研究提出一种基于 Grothendieck inequality 的方法,旨在证明随机图上半定规划问题的一致性,可适用于众多的网络随机模型和半定规划问题,并具有普适性。同时通过应用该方法于稀疏网络中的社交圈问题,可利用各种简单和自然的半定规划方案恢复社交圈结构。