Fugu-MT 論文翻訳(概要): Relations Between Adjacency and Modularity Graph Partitioning

論文の概要: Relations Between Adjacency and Modularity Graph Partitioning

arxiv url: http://arxiv.org/abs/1505.03481v3
Date: Wed, 27 Sep 2023 21:18:47 GMT
ステータス: 処理完了
システム内更新日: 2023-10-02 19:56:38.174218
Title: Relations Between Adjacency and Modularity Graph Partitioning
Title（参考訳）: 隣接性とモジュラリティグラフ分割の関係
Authors: Hansi Jiang and Carl Meyer
Abstract要約: 本稿では,非正規化モジュラリティ行列の先頭固有ベクトルと隣接行列の固有ベクトルとの正確な線形関係について述べる。また、正規化隣接クラスタリングと正規化モジュラリティクラスタリングの等価性の完全な証明もある。
参考スコア（独自算出の注目度）: 0.3916094706589679
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper develops the exact linear relationship between the leading eigenvector of the unnormalized modularity matrix and the eigenvectors of the adjacency matrix. We propose a method for approximating the leading eigenvector of the modularity matrix, and we derive the error of the approximation. There is also a complete proof of the equivalence between normalized adjacency clustering and normalized modularity clustering. Numerical experiments show that normalized adjacency clustering can be as twice efficient as normalized modularity clustering.
Abstract（参考訳）: 本稿では,非正規化モジュラリティ行列の先頭固有ベクトルと隣接行列の固有ベクトルとの正確な線形関係について述べる。本稿では,モジュラリティ行列の先頭固有ベクトルを近似する方法を提案し,近似の誤差を導出する。また、正規化隣接クラスタリングと正規化モジュラリティクラスタリングの等価性の完全な証明もある。数値実験により、正規化隣接クラスタリングは正規化モジュラリティクラスタリングの2倍効率的であることが示されている。

関連論文リスト

Understanding Matrix Function Normalizations in Covariance Pooling through the Lens of Riemannian Geometry [63.694184882697435]
グローバル共分散プーリング(GCP)は、高レベルの表現の2階統計を利用して、ディープニューラルネットワーク(DNN)の性能を向上させることが実証されている。
論文参考訳（メタデータ） (2024-07-15T07:11:44Z)
A Copula Graphical Model for Multi-Attribute Data using Optimal Transport [9.817170209575346]
本稿では,Cyclical Monotone Copulaという新しいコプラに基づく,新しい半パラメトリック多属性グラフィカルモデルを提案する。高次元特性を持つ場合、次元問題の呪いに対処するために、射影単調コプラモデルが提案される。
論文参考訳（メタデータ） (2024-04-10T04:49:00Z)
Clustering Three-Way Data with Outliers [1.0435741631709405]
行列変量正規データを異常値でクラスタリングする手法について論じる。このアプローチは、サブセットのログライクな分布を使い、OCLUSTアルゴリズムを拡張し、反復的なアプローチを使ってアウトレイラを検出しトリムする。
論文参考訳（メタデータ） (2023-10-08T21:27:29Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-21T01:47:17Z)
Near optimal sample complexity for matrix and tensor normal models via geodesic convexity [5.191641077435773]
いくつかの自然測度において、最大極大推定器(MLE)によって達成された誤差に対する漸近的境界を示す。サンプルの複雑性境界と同じ条件下では、フリップフロップアルゴリズム(英語版)として知られるMLEを反復的に計算する手法が高い確率で線形に収束することを示す。
論文参考訳（メタデータ） (2021-10-14T17:47:00Z)
A simpler spectral approach for clustering in directed networks [1.52292571922932]
隣接行列の固有値/固有ベクトル分解は、すべての一般的な方法よりも単純であることを示す。広く使われているk平均アルゴリズムよりもガウス混合クラスタリングの方が優れていることを示す数値的な証拠を提供する。
論文参考訳（メタデータ） (2021-02-05T14:16:45Z)
Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。 7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
論文参考訳（メタデータ） (2020-12-16T13:01:37Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
Multi-Objective Matrix Normalization for Fine-grained Visual Recognition [153.49014114484424]
双線形プールは細粒度視覚認識(FGVC)において大きな成功を収める近年,行列パワー正規化は双線形特徴量において2次情報を安定化させることができることが示されている。両線形表現を同時に正規化できる効率的な多目的行列正規化法(MOMN)を提案する。
論文参考訳（メタデータ） (2020-03-30T08:40:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。