用于有向图聚类的厄米矩阵:洞察与应用
本文研究了基于有向图的聚类,提出了基于 Hermitian 矩阵的近线性时间算法,并在合理假设下进一步证明该算法可以在亚线性时间内实现,并在 UN Comtrade 数据集上进行了广泛的实验,证明了算法的重要性。
Nov, 2020
本文研究了有向带符号图的谱分析,给出了基于矩阵扰动理论的谱投影的理论近似值,并提出了一种基于谱聚类的图划分算法 SC-DSG,并在合成和实际数据集上进行了评估,提出的算法在理论分析和实证分析都取得了很好的效果。
Dec, 2016
本文提出了两种基于特征值计算的分析有向图中节点间循环模式与非循环模式连接的光谱聚类算法,相比于当前的方法在实验中表现更好,并成功应用于食物链的分类和互联网服务提供商之间协议的层级结构的高亮显示
May, 2018
该研究提出使用 Bethe Hessian operator 代替 non-backtracking operator 进行图的聚类,从而在检测聚类方面具备了 non-backtracking operator 的性能,同时具备了实数对称矩阵计算,理论和存储方面的优势。
Jun, 2014
本文介绍了对图进行簇聚算法及其使用 Koopman 算子和 Perron-Frobenius 算子的谱性质,以及如何使用它们的广义传递算子来提出新的有向图聚类算法。
May, 2023
该研究使用基于矩阵草图的方法来解决在大规模图分析中传统方法遇到的挑战,尤其是无监督学习的社区结构划分问题,实验表明该方法在分配内存中可以获得出色的聚类效果,同时提高了聚类速度。
Jul, 2020
该研究探讨了一种利用复数编码边的信息的新型复合厄米邻接矩阵,并提出了一种基于谱图卷积的分析方法,成功地应用于带有符号有向边的有向图网络。该方法在四个真实数据集上的实验证明其具有较高的性能表现。
Aug, 2022
提出了一种灵活的超图 1-Laplacian 定义框架,包括依赖于边的顶点权重,以反映超边内不同顶点的重要性,增强了超图模型的表现能力。利用超图 1-Laplacian 的第二个最小特征向量进行聚类,可以实现比传统 Laplacian 更高的聚类精度,而且该方法可以在现实数据集上得到验证。在特定情况下,超图 1-Laplacian 等效于相关图的 1-Laplacian,可以更有效地计算特征向量,方便应用于更大的数据集。
Apr, 2023