- 不受干扰的:超越 Davis-Kahan 的谱分析
提出一种新的矩阵扰动方法,利用扰动的性质和其与未扰动结构的相互作用,在类似随机扰动的情况下极大地改善了经典理论的不足,应用此方法分析随机区块模型中的扰动,产生了比经典理论更严格的边界,并使用此新的扰动理论展示了一种简单且自然的聚类算法,即使 - 贝叶斯随机块模型
本文介绍了利用贝叶斯推断从网络数据中提取大规模模块化结构的方法,重点介绍了基于随机块模型(SBM),以及其度修正和重叠推广。提供了一种允许防止过度拟合,实现模型选择的非参数公式。讨论了先验选择的方面,特别是如何通过加强贝叶斯层次结构来避免欠 - 一种基于谱聚类的增量式算法用于网络中重叠社群的恢复
本文提出了一种新颖的基于谱的算法,并利用基于随机图模型下的谱特性设计出叠加社区网络中的聚类算法,成功地在模拟数据和真实图像数据中实现较好的表现。
- 层级随机块模型中的社区检测和分类
该论文提出了一种强大、可扩展、综合的图中社区检测和比较方法,首先将图嵌入到一个适当的欧几里得空间中以获得低维表示,然后将顶点聚类成社区,并应用非参数图推理技术识别这些社区之间的结构相似性,然后可以递归地应用这两个步骤到社区上,以检测更细粒度 - 协变量辅助谱聚类
通过改进的谱聚类方法,利用节点协变量帮助揭示图中的潜在社区,该方法综合考虑了节点上的上下文信息,应用于在大脑扩散 MRI 数据中的大脑图研究中,得到了更易于在神经学上进行解释的社区聚类效果。
- 动态随机块模型用于时间演化社交网络
本文提出了一个状态空间模型,将静态网络的随机块模型扩展到动态网络的建模中,并使用扩展卡尔曼滤波器配合局部搜索来拟合模型,实验表明此算法与使用马尔可夫蒙特卡罗抽样的最先进算法相竞争,但计算代价显著降低。
- 网络直方图与块模型逼近的普适性
本文介绍了网络直方图的概念并提供了一种自动带宽选择的方法,以此来对无标签图进行建模,同时探讨了网络社区的解释和多个社区分配的有效表示之间的权衡。
- 网络中自动社区检测的假设检验
本文提出了自动确定 Stochastic Blockmodel 所生成的图中聚类数的方法。通过剖析相应的邻接矩阵的主特征值限制分布并用于假设检验,提出了一个递归二分算法,该算法在真实世界的定量分类任务中表现优于现有概率模型,并且在未标记的网 - 归一化在随机块模型谱聚类中的作用
本文讨论了谱聚类技术和其相应的归一化和未归一化变体,针对随机块模型,理论上证明了归一化可以在广泛的参数范围内使数据点聚集在一起。
- 通过邻接谱嵌入理想地对随机块模型图进行聚类
本文证明了邻接谱嵌入可以用于完美聚类随机块模型和度校正随机块模型,以及更一般的随机点积图模型。
- 随机块模型与重构
本文研究了稀疏种植分区模型(即随机块模型)中的聚类阈值问题,证明了在某些情况下聚类是不可能的,并提供一种简单高效的算法来估计模型参数。
- 随机块模型图的一致邻接谱嵌入
本文介绍一种通过嵌入过程估算随机块模型中节点的块成员资格的方法,并证明了该方法的一致性和可靠性,可用于大规模图形和参与虚拟谱聚类等应用。
- 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。