論文の概要: Dual regularized Laplacian spectral clustering methods on community detection

• arxiv url: http://arxiv.org/abs/2011.04392v1
• Date: Mon, 9 Nov 2020 12:49:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 00:43:06.801788
• Title: Dual regularized Laplacian spectral clustering methods on community detection
• Title（参考訳）: コミュニティ検出における二重正規化ラプラシアスペクトルクラスタリング法
• Authors: Huan Qing and Jingli Wang
• Abstract要約: 双対正則グラフラプラシアン行列を提案し、これを次数補正ブロックモデルの下で3つの古典スペクトルクラスタリング手法に応用する。 3つの改良されたスペクトルクラスタリング法は、二重正則スペクトルクラスタリング (DRSC) 法、二重正則スペクトルクラスタリング (DRSCORE) 法、二重正則対称性ラプラシア逆行列 (DRSLIM) 法である。
• 参考スコア（独自算出の注目度）: 1.0965065178451106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spectral clustering methods are widely used for detecting clusters in networks for community detection, while a small change on the graph Laplacian matrix could bring a dramatic improvement. In this paper, we propose a dual regularized graph Laplacian matrix and then employ it to three classical spectral clustering approaches under the degree-corrected stochastic block model. If the number of communities is known as $K$, we consider more than $K$ leading eigenvectors and weight them by their corresponding eigenvalues in the spectral clustering procedure to improve the performance. Three improved spectral clustering methods are dual regularized spectral clustering (DRSC) method, dual regularized spectral clustering on Ratios-of-eigenvectors (DRSCORE) method, and dual regularized symmetrized Laplacian inverse matrix (DRSLIM) method. Theoretical analysis of DRSC and DRSLIM show that under mild conditions DRSC and DRSLIM yield stable consistent community detection, moreover, DRSCORE returns perfect clustering under the ideal case. We compare the performances of DRSC, DRSCORE and DRSLIM with several spectral methods by substantial simulated networks and eight real-world networks.
• Abstract（参考訳）: スペクトルクラスタリング法は、コミュニティ検出のためのネットワーク内のクラスタの検出に広く用いられているが、グラフラプラシア行列の小さな変更は劇的な改善をもたらす可能性がある。 本稿では,2重正則化グラフラプラシアン行列を提案し,次数補正確率ブロックモデルに基づく3つの古典的スペクトルクラスタリングアプローチに適用する。 コミュニティの数が$K$であるなら、$K$以上の固有ベクトルを導いて、それに対応する固有値をスペクトルクラスタリング手順で重み付けして性能を向上させる。 3つの改良されたスペクトルクラスタリング法は、二重正則スペクトルクラスタリング(DRSC)法、二重正則スペクトルクラスタリング(DRSCORE)法、二重正則ラプラシア逆行列(DRSLIM)法である。 DRSC と DRSLIM の理論的解析により、穏やかな条件下では DRSC と DRSLIM は安定した一貫したコミュニティ検出をもたらすことが示されている。 DRSC, DRSCORE, DRSLIMの性能を, 実空間ネットワーク8つの実空間ネットワークによるスペクトル法と比較した。

関連論文リスト

• Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
  観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。 本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
  論文  参考訳（メタデータ） (2023-06-18T08:46:06Z)
• 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)
• Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
  本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。 本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
  論文  参考訳（メタデータ） (2022-05-17T01:41:06Z)
• Spectral clustering via adaptive layer aggregation for multi-layer networks [6.0073653636512585]
  有効凸層アグリゲーションに基づく積分スペクトルクラスタリング手法を提案する。 提案手法は, 広く用いられている手法と比較して, 極めて競争力が高いことを示す。
  論文  参考訳（メタデータ） (2020-12-07T21:58:18Z)
• Consistency of regularized spectral clustering in degree-corrected mixed membership model [1.0965065178451106]
  正規化ラプラシア行列に基づく混合正規化スペクトルクラスタリング(Mixed-RSC,略してMixed-RSC)と呼ばれる効率的な手法を提案する。 混合RSCは、人口正規化ラプラシア行列の固有分解のための変種の理想的な錐構造に基づいて設計されている。 提案アルゴリズムは,各ノードの推定メンバシップベクトルに対する誤差境界を提供することにより,穏やかな条件下での整合性を示す。
  論文  参考訳（メタデータ） (2020-11-23T02:30:53Z)
• An improved spectral clustering method for community detection under the degree-corrected stochastic blockmodel [1.0965065178451106]
  次数補正ブロックモデル(SBM)に基づく改良型スペクトルクラスタリング(ISC)手法を提案する。 ISCは、SimmonsとCaltechの2つの弱い信号ネットワークにおいて、それぞれ121/1137と96/590のエラー率で大幅に改善されている。
  論文  参考訳（メタデータ） (2020-11-12T13:35:11Z)
• Spectral clustering on spherical coordinates under the degree-corrected stochastic blockmodel [5.156484100374058]
  次数補正ブロックモデルに基づく新しいスペクトルクラスタリングアルゴリズムを提案する。 その結果,コンピュータネットワークにおける競合手法よりも性能が向上した。
  論文  参考訳（メタデータ） (2020-11-09T16:55:38Z)
• Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
  既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。 我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
  論文  参考訳（メタデータ） (2020-10-22T15:58:35Z)
• Local Graph Clustering with Network Lasso [90.66817876491052]
  局所グラフクラスタリングのためのネットワークLasso法の統計的および計算的性質について検討する。 nLassoによって提供されるクラスタは、クラスタ境界とシードノードの間のネットワークフローを通じて、エレガントに特徴付けられる。
  論文  参考訳（メタデータ） (2020-04-25T17:52:05Z)
• A unified framework for spectral clustering in sparse graphs [47.82639003096941]
  正規化ラプラシア行列の便利なパラメータ化形式はスパースネットワークにおけるスペクトルクラスタリングに利用できることを示す。 また、この提案された行列と、現在一般的な非バックトラック行列であるベーテ・ヘッセン行列との間の重要な関係を示す。
  論文  参考訳（メタデータ） (2020-03-20T10:58:37Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。