Apr, 2015
测试图的聚类结构
Testing Cluster Structure of Graphs
Artur Czumaj, Pan Peng, Christian Sohler
TL;DR在有界度模型的性质测试框架中研究了识别图的集群结构问题,提出了一个亚线性算法,可识别由参数 k, phi, epsilon 制定的 (d) 有界度图,并且是渐近最优的,关键是集群内外的 conductance。
Abstract
We study the problem of recognizing the cluster structure of a graph in the
framework of property testing in the →
发现论文,激发创造
测试图的聚类能力:算法和下限
本文提出了一种利用角度信息和奇异值分解的子线性时间图聚类算法,并在其基础上给出了测试聚类可行性的查询复杂度下界,并且通过这些技术,也实现了新的子线性时间下界近似最大割价值的问题。
Aug, 2018
改进预处理时间的次线性时间谱聚类预测模型
我们设计了一个次线性时间的谱聚类预处理方法来解决在具有强聚类性的图中的问题。我们的算法通过在次线性时间内进行预处理和查询回答,得到与实际聚类接近的 $k$-partition。我们的实验证明了我们的理论性能。
Oct, 2023
子线性时间下的谱聚类预测器
本研究的主要贡献是提出了一种使用子线性时间的谱聚类算法,该算法可以将图按照展开器分簇,并可以提高聚类的准确性,同时通过估计图中节点的随机游走的分布,实现对谱嵌入的点积访问,并使用谱嵌入进行超平面划分,从而实现聚类。
Jan, 2021
稀疏网络社区检测的信息论门限
论文提出了信息论阈值的上下界,并进一步证明了当组数较大且特定参数取值时,物理条件下的凝聚阈值是具有严格界限的,若邻居间与组间边缘概率不同,则分配问题可以解决,否则无算法可优于随机。
Jan, 2016
扩张图的划分
本文介绍了一种使用谱算法的简单多项式时间用于进行图分割的方法,旨在寻找具有网络传导性和诱导子图的低导纳集合,并且提出了一种找到最佳 k 聚类的方法,其中 k 是一个整数,而且这种方法与 Cheeger's inequality 有所不同。
Sep, 2013
超越 Cheeger 不等式的本地图聚类
本文提出了一种基于随机游走的局部聚类算法,通过将内部连接性参数考虑入内,改进了先前结果,得到更优秀的聚类精度和 conductance,并探讨了其与全局谱算法之间的联系。
Apr, 2013
近似扩张剖面和几乎最优局部图聚类
本文提出了能够在接近于线性的时间内找到稀疏切割的近似算法,解决了设计拥有近似保证的局部图聚类算法的开放性问题,并且其近似保证与 Cheeger 不等式相当。
Apr, 2012