論文の概要: Consistency of regularized spectral clustering in degree-corrected mixed membership model

• arxiv url: http://arxiv.org/abs/2011.12239v2
• Date: Fri, 27 Aug 2021 03:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 01:54:56.164617
• Title: Consistency of regularized spectral clustering in degree-corrected mixed membership model
• Title（参考訳）: 次数補正混合会員モデルにおける正規化スペクトルクラスタリングの整合性
• Authors: Huan Qing and Jingli Wang
• Abstract要約: 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。
• 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: Community detection in network analysis is an attractive research area recently. Here, under the degree-corrected mixed membership (DCMM) model, we propose an efficient approach called mixed regularized spectral clustering (Mixed-RSC for short) based on the regularized Laplacian matrix. Mixed-RSC is designed based on an ideal cone structure of the variant for the eigen-decomposition of the population regularized Laplacian matrix. We show that the algorithm is asymptotically consistent under mild conditions by providing error bounds for the inferred membership vector of each node. As a byproduct of our bound, we provide the theoretical optimal choice for the regularization parameter {\tau}. To demonstrate the performance of our method, we apply it with previous benchmark methods on both simulated and real-world networks. To our knowledge, this is the first work to design spectral clustering algorithm for mixed membership community detection problem under DCMM model based on the application of regularized Laplacian matrix.
• Abstract（参考訳）: 近年,ネットワーク分析におけるコミュニティ検出が注目されている。 ここでは、次数補正混合メンバシップ(dcmm)モデルに基づいて、正則ラプラシアン行列に基づく混合正規化スペクトルクラスタリング(略してmixed-rsc)と呼ばれる効率的なアプローチを提案する。 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,温和な条件下で漸近的に整合性を示す。 境界の副産物として、正規化パラメータ {\tau} に対する理論的最適選択を与える。 提案手法の性能を示すために,シミュレーションおよび実世界のネットワーク上で,従来のベンチマーク手法を適用した。 我々の知る限り、これは正規化ラプラシア行列の適用に基づくDCMMモデルの下で混合会員コミュニティ検出問題に対するスペクトルクラスタリングアルゴリズムを設計する最初の試みである。

関連論文リスト

• A Fresh Look at Generalized Category Discovery through Non-negative Matrix Factorization [83.12938977698988]
  Generalized Category Discovery (GCD) は、ラベル付きベースデータを用いて、ベース画像と新規画像の両方を分類することを目的としている。 現在のアプローチでは、コサイン類似性に基づく共起行列 $barA$ の固有の最適化に不適切に対処している。 本稿では,これらの欠陥に対処するNon-Negative Generalized Category Discovery (NN-GCD) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T07:24:11Z)
• Regularized Projection Matrix Approximation with Applications to Community Detection [1.3761665705201904]
  本稿では,アフィニティ行列からクラスタ情報を復元するための正規化プロジェクション行列近似フレームワークを提案する。 3つの異なるペナルティ関数について検討し, それぞれが有界, 正, スパースシナリオに対応するように調整した。 合成および実世界の両方のデータセットで行った数値実験により、我々の正規化射影行列近似アプローチはクラスタリング性能において最先端の手法を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-05-26T15:18:22Z)
• Adaptive Fuzzy C-Means with Graph Embedding [84.47075244116782]
  ファジィクラスタリングアルゴリズムは、大まかに2つの主要なグループに分類できる: ファジィC平均法(FCM)と混合モデルに基づく方法。 本稿では,FCMを用いたクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-22T08:15:50Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• Directed degree corrected mixed membership model and estimating community memberships in directed networks [0.0]
  我々は,DiMSCと呼ばれる効率的なアルゴリズムを構築し,列ノードと列ノードの両方のコミュニティメンバシップベクトルを推定する。 提案アルゴリズムは, 穏やかな条件下での一貫性を示す。
  論文  参考訳（メタデータ） (2021-09-16T09:35:16Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Optimal Clustering in Anisotropic Gaussian Mixture Models [3.5590836605011047]
  異方性ガウス混合モデルに基づくクラスタリング作業について検討する。 クラスタ中心における信号対雑音比の依存性を特徴づける。
  論文  参考訳（メタデータ） (2021-01-14T00:31:52Z)
• Estimating Mixed-Memberships Using the Symmetric Laplacian Inverse Matrix [0.4972323953932129]
  Mixed-SLIMは、対称性を持つラプラシア逆行列のスペクトルクラスタリング法である。 提案したアルゴリズムとその正規化バージョンについて,軽度条件下での予測誤差に関する理論的バウンダリを提供する。 これらのMixed-SLIM法は,コミュニティ検出と混合コミュニティ検出の両問題に対して,シミュレーションにおける最先端の手法および有意な経験的データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-12-17T13:19:06Z)
• 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)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

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。