具有局部性的图中的社区恢复
研究数据点聚类中的社区恢复问题，探讨了广义设置下数据点数量可以超过两个的情况，考虑了同质性度量和奇偶校验度量，以及在伯努利噪声的情况下对类别进行重构所需的度量数目的基本限制。
Sep, 2017
本研究考虑在具有二元社区标签和 R^d 值位置标签的欧几里得随机几何图上进行社区检测问题，其中边缘概率依赖于社区和位置标签。我们针对稀疏和对数度规则建立了相变现象，并给出了阈值的约束。此外，我们还展示了在我们的模型与没有社区标签的空模型之间进行测试的可区分性问题的阈值没有相变现象，并且特别地与 SBM 不同。
Jun, 2017
研究对称数据矩阵中的隐藏社区的恢复问题，聚焦于两种渐近恢复保证类型：弱恢复和精确恢复，并推导出恢复的充分条件和必要条件。结果表明，算法提供弱恢复时，可以通过简单的投票程序在额外线性时间内升级以实现精确恢复。
Sep, 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
本研究提出了一种新模型 —— 基于度量空间的几何随机图，用于替代传统的离散社区结构模型，并讨论了在稀疏情况下对该模型的位置恢复问题，同时对一种树的信息流模型进行了改进和定理研究。
Jun, 2020
该研究论文以网络聚类为主题，探讨了基于节点属性和网络信息的高性能聚类算法，并通过信息理论准则建立了节点属性和网络信息交换的精确恢复标签的关系，提出了一种迭代聚类算法以最大化联合似然函数，并通过数值实验验证了该算法的优越性。
Oct, 2023
本篇研究提出了一种基于随机游走的顶点相似度度量，使用该度量可以高效地计算网络的社区结构，并提出了一种名为 Walktrap 的聚合算法，该算法提高了社区结构计算的准确性。经过全面的比较测试，表明该算法在质量和运行时间方面都优于以前提出的算法。
Dec, 2005