有向图的高阶谱聚类
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。
Aug, 2019
该论文对有向网络的聚类算法进行了深入的综述,介绍了基本概念和方法学基础,并从方法论原理和好的群集特性的角度讨论了聚类算法。此外,还介绍了图聚类结果的评估方法和指标,展示了有趣的应用领域,并提出了未来的研究方向。
Aug, 2013
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
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
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
本文提出了一种改进的光谱聚类算法,旨在解决预定义的相似性图可能不是合适的聚类结果,并且传统离散化解决方法与光谱解决方案可能不一致的问题,并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明,该方法相比于现有的聚类方法具有更好的性能。
Nov, 2017
本文提出了一种基于图信号处理的方法,采用图滤波和随机采样技术加速生成 Laplacian 矩阵特征向量和 k-means 聚类算法步骤,该方法在控制误差的同时计算时间效率可达到数个数量级的提升,并在人工合成数据和真实网络数据集上进行测试。
Feb, 2016
提出了一种基于张量谱聚类(Tensor Spectral Clustering,TSC)算法来捕捉网络高阶结构的方法,其可以用于发现网络中的分层流和图形异常检测,特别地对于分析方向性网络的有向 3 - 循环结构,TSC 产生的大分区割减了比标准谱聚类算法更少的有向 3 - 循环。
Feb, 2015
本研究提出了一种基于顶点嵌入的简单谱聚类算法,通过幂法计算的向量,在接近线性时间内计算顶点嵌入,并在输入图形的自然假设下,算法能够可靠地恢复出真实聚类结果。通过在多个合成和现实世界数据集上的评估发现,该算法与其他聚类算法相比,具有显著更快的速度,并且产生的聚类准确度基本相同。
Oct, 2023