graph clustering | BriefGPT

关键词graph clustering

搜索结果 - 57

KDD重新审视图聚类的模块化最大化：对比学习的视角
本研究探讨了模块性最大化方法在图聚类中的潜在成功，将模块性最大化与图对比学习联系起来，提出了一种基于社区感知的图聚类框架 MAGI，通过利用模块性最大化作为对比预训练任务来有效地揭示图中社区的潜在信息，同时避免了语义漂移问题。广泛实验证实了
PDF12 days ago
KDD图上标准切割的扩展层次结构
通过引入第一个实际有效的算法来计算扩展者分解及其层级，我们在大量的实验中展示了我们基于扩展者的算法在解决归一化割图聚类问题上相对于当前最先进的解决方案在解决质量上大大优于各种图类，如引用、电子邮件、社交网络或网络图，并且在运行时间上仍然具有
PDF12 days ago
ICML多景随机块模型
在无监督学习中，图聚类是一个重要的主题，也有很多实际应用。最近，多视图图聚类因其适用于可访问多个数据源的现实世界实例而受到关注。本文我们正式提出了一种新的模型族，称为 “多视图随机块模型”，用于捕捉这种情况。对于该模型，我们首先研究了在多个
PDF25 days ago
ICMLLSEnet: 洛仑兹结构熵神经网络用于深度图聚类
图聚类是机器学习中的一个基本问题，本文提出了一种使用图信息理论解决未知聚类数量的图聚类问题的方法，通过最小化可微分的结构信息，构建最优的分区树，其中稠密连接的节点在图中有相同的分配，并且在 Lorentz 模型中设计了神经 LSEnet 将
PDFa month ago
自适应节点级权重学习的多阶图聚类
本文提出了一个多阶图聚类模型（MOGC），通过在节点级别整合多个高阶结构和边缘连接，采用自适应权重学习机制来自动调整每个节点不同结构的贡献，从而既解决了超图分割问题，又提高了聚类准确性。通过交替最小化算法高效地解决 MOGC 问题，并在七个
PDFa month ago
现实世界图聚类的可证明过滤器
对于图聚类问题，现有的图神经网络方法很难取得进展，同时大多数聚类方法只关注同质图而忽视异质图，限制了它们在实践中的适用性。本文提供了一种具有理论支持的新颖解决方案，通过邻居信息对同质性和异质性边进行识别，并构建高同质性和高异质性的图，用于构
PDF4 months ago
WWW通过地标和聚类对图进行层次化位置嵌入用于链接预测
使用代表性节点（地标）的位置信息，通过选择高度中心性节点作为地标，提供节点位置的参考点。该方法被应用于实际网络中，结合地标选择和图聚类，实现在不同层级上利用节点的位置信息，取得了关于链接预测的最新成果。
PDF5 months ago
对称非负矩阵分解的随机算法
对称非负矩阵分解是一种在数据分析和机器学习中利用非负、低秩矩阵及其转置来近似表示对称矩阵的技术。为了设计更快速和更可扩展的对称非负矩阵分解算法，我们开发了两种随机化算法来计算。第一种算法利用随机矩阵草图计算初始低秩输入矩阵，并利用此输入迅速
PDF5 months ago
可扩展的超点图聚类三维全景分割
介绍了一种高效的方法，通过将大型 3D 点云的全景分割任务重新定义为可扩展的图聚类问题来进行。该方法可以仅使用本地辅助任务进行训练，从而在训练过程中消除了资源密集型的实例匹配步骤。此外，我们的方法可以轻松适应 superpoint 范例，进
PDF6 months ago
无预定义簇数 k 的图聚类的掩码自编码器
图聚类算法中的自编码器结构因其高效性能和低训练成本而近来受到关注。然而，对于基于 GCN 或 GAT 的现有图自编码器聚类算法来说，它们不仅缺乏良好的泛化能力，而且很难自动确定由这些自编码器模型聚类的群集数目。为解决这个问题，我们提出了一个
PDF6 months ago
AAAIDGCLUSTER：一种基于模块化最大化的属性图聚类的神经框架
通过使用图神经网络优化模块性目标的 DGCluster 方法，我们在多个领域中进行图聚类，取得了显著的性能提升。
PDF6 months ago
学习超球面上的统一簇对深度图聚类
我们提出了一种新的深度图级聚类方法 Uniform Deep Graph Clustering（UDGC），通过将实例均匀分配到不同的聚类中心并在单位超球面上散布这些聚类，从而实现了更均匀的聚类级分布和较小的聚类崩溃问题。我们在八个著名数据
PDF7 months ago
属性多关系图的谱聚类
提出了一种针对属性和多关系网络的联合降维技术 SpectralMix，该方法通过综合利用属性、关系类型和图结构的信息，实现对聚类结果的解释，并在实际数据集上展现了其优越性。
PDF8 months ago
噪声图像的鲁棒图聚类通过元加权
我们提出了元学习图聚类方法 MetaGC，借助可分解的聚类损失函数以及元权重调整机制，能够对存在噪声边的图进行鲁棒的聚类，相较于现有的基于图神经网络的方法在各种噪声程度下的实验中，MetaGC 表现出更好的性能。
PDF8 months ago
带有噪声标签的本地图聚类
通过使用噪声节点标签作为附加节点信息的替代，本研究提出了一种对局部图进行聚类的方法。实验证明，使用加权图中的扩散操作可以显著提高局部聚类的性能。
PDF9 months ago
地图方程转为神经网络
通过梯度下降优化可完全可微的张量形式的映射方程，以深度学习为基础的图神经网络在社区检测和图聚类任务上取得了具有竞争力的性能，同时能够自动确定最优的聚类数目，并能够避免过分划分稀疏图。
PDF9 months ago
无冗余自监督关系学习用于图聚类
提出了一种名为 R$^2$FGC 的新颖自监督深度图聚类方法，它可以从全局和局部视角提取属性和结构级别的关系信息，并通过保持增加节点之间的一致关系和减少冗余关系来学习具有判别性的嵌入表示。实验证明，R$^2$FGC 在广泛使用的基准数据集上
PDF10 months ago
无特征差距的聚类
我们研究了随机块模型（SBM）中具有大型簇和无法恢复的小型簇的图聚类。我们提出了一种基于半定规划（SDP）的算法，可以恢复大型簇而不受其余簇大小的影响。我们的研究结果在存在大量小簇的情况下，达到了更低的样本复杂度，并为递归聚类问题提供了改进
PDF10 months ago
基于同质性增强的图聚类结构学习
提出了一种基于同质性增强的结构学习方法（HoLe），通过两个聚类导向的结构学习模块对图结构进行了优化，并通过交替训练同质性增强的结构学习和基于 GNN 的聚类来实现它们的相互作用，在多个基准数据集上证明了其优越性。
PDFa year ago
跨视图结构匹配的非配对多视图图聚类
提出了一种新的无参数图聚类框架，名为 Unpaired Multi-view Graph Clustering framework with Cross-View Structure Matching (UPMGC-SM)，可以有效地处理多
PDFa year ago