Aug, 2019

用于有向图聚类的厄米矩阵：洞察与应用

PDF
TL;DR本文提出基于复值矩阵表示有向图的谱聚类算法，以克服现有有向图谱聚类算法的局限性，并应用于美国内部迁移数据集，揭示了人们从农村向城市化程度更高的地区迁移的规律。
发现论文，激发创造
  • 有向图的高阶谱聚类

    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

  • 有向有符号图的谱分析

    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

  • 基于谱聚类算法检测块环和非块环图中的聚类

    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

  • 使用 Bethe Hessian 对图进行谱聚类

    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

  • 图上的转移算子：谱聚类与更多

    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

  • 光谱聚类和高维随机块模型

    本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。

    Jul, 2010

  • 谱救赎：稀疏网络的聚类

    基于非回溯行走的新型谱算法优于传统谱聚类算法，特别是对于稀疏网络，因维护大量特征值与社区相关，因此在社区探测方面更为优异。

    Jun, 2013

  • 分布式草图缩放图聚类

    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

  • 面向有向有符号图的图卷积

    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

  • 基于 1-Laplacian 的边相关节点权重的超图谱聚类

    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