本文中介绍了一种名为 Kronecker graphs 的生成模型，可以截尾分布、小直径、密度增加和直径缩小等特性自动生成网络。使用 Kronecker 矩阵乘法结构和统计模拟技术，提出了一种快速、可伸缩的算法 KronFit，可用于拟合真实网络的 Kronecker 图形成模型参数，提取网络结构信息和生成综合图形。

Dec, 2008

通过超边的分布式 Kronecker 模型，我们可以快速、高效地生成具有非平凡聚类和高度不对称度分布的图形，从而可以将此模型成功应用于实际的网络数据中

Sep, 2018

用球落和草跳两种方法进行几何随机变量操作，以对稀疏图模型进行公司矩阵采样，其中草跳方法利用 Morton 编码将 Kronecker 产品操作与序列化问题建立了联系。

Sep, 2017

本文回顾了随机图在其期望周围的浓缩区域中的不同模式，并讨论了这些浓缩结果在网络社区检测问题中的应用，同时介绍了一些与其相关的随机矩阵理论模型和工具。

Jan, 2018

在随机图中，将边权值视为概率，如果最小期望度数为 ω(ln n)，则随机图的邻接矩阵和拉普拉斯矩阵集中于边权为概率的加权图，应用于债券渗透和不均匀随机图问题中，通过引入矩阵 concenetration 和集中不等式得到新的结论。

Nov, 2009

本文研究了基于测度理论的交换性研究框架，并基于一种称为完全随机测度的随机过程推导了网络结构的重要性质，提出了一种哈密顿蒙特卡罗算法，实现了网络结构的后验分布探索和图形生成，并在包括社交网络、政治博客、蛋白质网络、引用网络以及互联网网络等多个真实数据集上进行检验。

Jan, 2014

本文介绍了一种扩展了边远离独立性的稀疏随机图的一般模型，并且通过构造非齐性随机超图来替代每个超边，再通过与某个积分算子的范数相关来解释巨型连通性的临界点，并将该巨型连通量与某些（非 Poisson）多类型分支过程的生存概率关联起来，同时研究度分布和数量小子图的细节。

Jul, 2008

本文通过研究谱范数中邻接矩阵和拉普拉斯矩阵的浓度来探索随机图与其期望值之间的典型接近程度，其中包括不同概率的独立形成的具有 n 个顶点的不均匀 Erdos-Renyi 随机图，对于稀疏随机图，其期望度数小于 o（logn），需要使这种度数正则化，本文通过一些方法，例如重量重排或删除足够的边等操作来实现，演示了在社区检测问题中，集中结果的应用。

Jun, 2015

通过扩展线性代数到再生核希尔伯特空间（RKHS）并将其简化为 Sylvester 方程的算法，我们构建了一个统一的框架来研究图形内核，这使得内核计算的时间复杂度从 O（n^6）降至 O（n^3），当图形稀疏时，共轭梯度求解器或固定点迭代带入子立方域。

Jul, 2008

本文提出了一种基于图信号处理的快速谱聚类算法，通过使用图滤波器对随机信号进行谱聚类距离矩阵的估计，利用这些随机向量的随机性来估计聚类数目 k，相较于传统谱聚类方法，我们的方法在大规模数据集上表现相当且速度至少快二倍。

Sep, 2015