ICMLJul, 2016

混合成员和对称非负矩阵分解

PDF
TL;DR本文针对网络重叠社区问题，结合非负矩阵分解和混合成员随机块模型，提出了一种称为 GeoNMF 的计算机算法，能够在广泛的参数范围内实现唯一解，保证了算法的精确性和一致性。经过模拟和真实数据集上的实验，证明了该算法的准确性。
overlapping communitiesnon-negative matrix factorizationmixed-membership stochastic blockmodelconsistent algorithmnetworks
发现论文，激发创造
  • 混合成员随机块模型中的最优估计

    这篇论文主要研究了重叠社区检测的问题，并提出了一种新的估计方法，以及建立了估计误差的下界。

    Jul, 2023

  • 高阶接近度结合对称性和图正则化的非负矩阵分解用于社区检测

    本研究提出了一种基于 High-Order Proximity 的 Symmetry and Graph-regularized NMF (HSGN) 模型，结合加权点间互信息的方法来衡量网络中节点之间的高阶连接并通过对称性和图正则化的 NMF 算法来准确检测社区，实验表明这种方法比现有的基准和最先进的社区检测方法的表现更优。

    Mar, 2022

  • 用连续投影进行混合成员资格的一致估计

    这篇论文提出了一种新的算法 SPOC，其结合了谱聚类和可分非负矩阵分解的几何方法，用于在混合成员随机块模型（MMSB）中进行参数估计问题，可以处理具有重叠社区结构的随机图模型，且在模型参数一般条件下可证明一致性，与其他算法相比，实验证明 SPOC 算法表现良好。

    Jul, 2017

  • 随机块模型下的正交对称非负矩阵分解

    该论文提出了一种基于规范化拉普拉斯矩阵的正交对称非负矩阵三因式分解的方法，用于在复杂网络中进行社区检测，在包括稀疏和高度异质性的图中均表现良好，并且比现有技术表现更优。

    May, 2016

  • 对称矩阵分解的再思考：更一般且更优的聚类视角

    本文提出了使用正则项优化的高效因式分解算法来提高聚类性能，同时进一步探索了使用不同约束条件解决对称矩阵分解问题的通用框架。

    Sep, 2022

  • 基于非负矩阵分解的多模态多视角聚类

    通过结合相关对象，无监督机器学习技术旨在揭示数据集中的潜在模式。在本文中，我们提出了一项关于多模态聚类算法的研究，并提出了一种名为多模态多视图非负矩阵分解的新方法，其中我们分析了多个局部 NMF 模型的协同作用。实验结果表明，所提出的方法具有较大的价值，并使用多种数据集进行评估，相比于现有的方法，获得了非常有前景的结果。

    Aug, 2023

  • 利用尖锐特征向量偏差估计混合成员资格

    本文提出了一种用于混合成员随机块模型网络中每个节点的社区成员资格向量的收敛速度的算法，该算法是首次建立对于重叠社区检测的每个节点的速率，并基于人口矩阵的特殊结构以及基于优化领域的现有算法的果断定位方法。

    Sep, 2017

  • 对比深度非负矩阵因式分解在社区检测中的应用

    提出了一种名为对比深层非负矩阵分解 (CDNMF) 的新型社区检测算法，通过加深非负矩阵分解来提取信息，创造性地将网络拓扑和节点属性构建为两个对比视图，并利用去偏差负采样层学习社区级别的节点相似性，提高模型对社区检测的适应性，实验证明，该模型在三个公开真实图数据集上取得了比现有方法更好的结果。

    Nov, 2023

  • SymNMF-Net 对称 NMF 问题

    本文提出了一种神经网络 SymNMF-Net，用于解决 Symmetric NMF 优化算法在真实世界数据集聚类任务中出现的不足，并通过实验结果验证了该算法的有效性。

    May, 2022

  • 鲁棒多模型拟合的非负矩阵欠拟合

    本文介绍了一种高效算法，用于解决非负矩阵欠逼近（NMU）问题，提出 NMU 结果与传统 NMF 相比具有额外的稀疏性和基于部分行为，解释了独特的数据特征。通过应用到气候数据分析和多参数模型拟合，证明了该方法在 NMU 计算效率上的优越性和实用性。

    Nov, 2016