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
研究在平均度数与图像增长的渐近情况下,将 Erdos-Renyi 随机图模型与随机块模型进行比较的方案和方法,提出了一种线性谱统计的新方法,并构建了一系列准确的测试统计量和一类自适应测试来解决假设检验问题。
May, 2017
本文提出了在假设检验中对比 Facebook 和 LinkedIn 上的友谊网络的解决方案,利用网络统计学衡量网络。通过对网络统计学的集中度进行通用表述,揭示了一个自然的对策,实现了一致的双样本测试。本文还证明,对于某些网络统计量,所提出的测试是最小最优的。
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
对基于加权随机块模型生成的两个网络的社区成员资格是否相同进行测试,提出了一种基于奇异子空间距离的测试统计量并开发了该统计量的极限分布。在密集图形的加权随机块模型下,模拟结果表明该测试具有正确的第 1 型错误,并在经验功率上表现符合预期。测试的结果逐渐变化。
Nov, 2018
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
研究了三个网络的概率模型:随机块模型中的社区检测,随机几何图的嵌入以及优先附着树中的初始顶点,并探讨了很多与概率论相关的有趣话题,如泊松瓮,大偏差理论、高维度测度集中、熵集中极限定理等。
Sep, 2016
研究社交网络中的社区结构,提出子图可作为社区的定义,并证明任何子图必须包含密集的 ER 子图,表明存在着基于 ER 子图的社区结构,最终提出 BTER 模型并验证其可用于现实世界社交网络的可观测属性.
Dec, 2011
研究了如何检测随机图中的高维几何结构问题,提出了一种基于新量的近乎最优和高效的测试方法,并针对稠密和稀疏情况提出了检测界和估计维度的猜想。
Nov, 2014
针对随机块模型 (SBM) 中的社区适配性和两样本检验问题以及稀疏模式、信息理论下限等问题,我们提出了计算效率高、能够成功解决这些问题的测试方法。