論文の概要: Graph Max Shift: A Hill-Climbing Method for Graph Clustering
- arxiv url: http://arxiv.org/abs/2411.18794v1
- Date: Wed, 27 Nov 2024 22:32:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:22:24.518474
- Title: Graph Max Shift: A Hill-Climbing Method for Graph Clustering
- Title(参考訳): Graph Max Shift: グラフクラスタリングのためのヒルクライミング方法
- Authors: Ery Arias-Castro, Elizabeth Coda, Wanli Qiao,
- Abstract要約: 本稿では,空間内のクラスタリング点に対して提案した勾配上昇法に類似したグラフクラスタリング法を提案する。
モース正規性のある密度からデータ iid を持つランダムな幾何グラフに適用した場合、この手法は一貫性があることを示す。
- 参考スコア(独自算出の注目度): 4.547063832007314
- License:
- Abstract: We present a method for graph clustering that is analogous with gradient ascent methods previously proposed for clustering points in space. We show that, when applied to a random geometric graph with data iid from some density with Morse regularity, the method is asymptotically consistent. Here, consistency is understood with respect to a density-level clustering defined by the partition of the support of the density induced by the basins of attraction of the density modes.
- Abstract(参考訳): 本稿では,空間内のクラスタリング点に対して提案した勾配上昇法に類似したグラフクラスタリング法を提案する。
モース正規性のある密度からデータイドを持つランダムな幾何グラフに適用した場合、この手法は漸近的に一貫したものであることを示す。
ここでは、密度モードのアトラクションの盆地によって誘導される密度の支持の分配によって定義される密度レベルのクラスタリングについて、一貫性が理解される。
関連論文リスト
- Clustering Based on Density Propagation and Subcluster Merging [92.15924057172195]
本稿では,クラスタ数を自動的に決定し,データ空間とグラフ空間の両方に適用可能な密度に基づくノードクラスタリング手法を提案する。
二つのノード間の距離を計算する従来の密度クラスタリング法とは異なり,提案手法は伝播過程を通じて密度を決定する。
論文 参考訳(メタデータ) (2024-11-04T04:09:36Z) - Locally Regularized Sparse Graph by Fast Proximal Gradient Descent [6.882546996728011]
本稿では,SRSG を短縮した新しい正規化スパースグラフを提案する。
スパースグラフは高次元データのクラスタリングに有効であることが示されている。
SRSGは他のクラスタリング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) (2024-09-25T16:57:47Z) - HeNCler: Node Clustering in Heterophilous Graphs through Learned Asymmetric Similarity [55.27586970082595]
HeNClerは、Heterophilous Node Clusteringの新しいアプローチである。
HeNClerは異種グラフコンテキストにおけるノードクラスタリングタスクの性能を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2024-05-27T11:04:05Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳(メタデータ) (2023-11-29T12:48:33Z) - DECWA : Density-Based Clustering using Wasserstein Distance [1.4132765964347058]
空間密度と確率的アプローチに基づく新しいクラスタリングアルゴリズムを提案する。
提案手法は, 様々なデータセットにおいて, 最先端の密度に基づくクラスタリング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) (2023-10-25T11:10:08Z) - Contrastive Graph Clustering in Curvature Spaces [74.03252813800334]
本研究では,CONGREGATE という新しいグラフクラスタリングモデルを提案する。
幾何学的クラスタリングを支援するため、理論的に基底とした不均一曲率空間を構築した。
次に、拡張不要な再重み付きコントラスト的アプローチでグラフクラスタをトレーニングする。
論文 参考訳(メタデータ) (2023-05-05T14:04:52Z) - Graph Transplant: Node Saliency-Guided Graph Mixup with Local Structure
Preservation [27.215800308343322]
グラフトランスポート(Graph Transplant)と呼ばれるグラフレベルでMixupライクなグラフ拡張手法を提案する。
本手法では, 局所情報を保存可能な混合単位としてサブ構造を同定する。
複数のグラフ分類ベンチマークデータセットを用いて,多様なGNNアーキテクチャを用いて提案手法を広範囲に検証する。
論文 参考訳(メタデータ) (2021-11-10T11:10:13Z) - Density-Based Clustering with Kernel Diffusion [59.4179549482505]
単位$d$次元ユークリッド球のインジケータ関数に対応するナイーブ密度は、密度に基づくクラスタリングアルゴリズムで一般的に使用される。
局所分布特性と滑らかさの異なるデータに適応する新しいカーネル拡散密度関数を提案する。
論文 参考訳(メタデータ) (2021-10-11T09:00:33Z) - Clustering dynamics on graphs: from spectral clustering to mean shift
through Fokker-Planck interpolation [0.0]
データクラスタリングのための密度駆動型アルゴリズムと幾何学ベースのアルゴリズムを相互補完する統一フレームワークを構築します。
データグラフ上にFokker-Planck方程式を導入することにより、この接続を求める。
本研究では, 拡散写像系の挙動に関する新しい理論的知見を, サンプル値の大きい範囲で提示する。
論文 参考訳(メタデータ) (2021-08-18T02:00:33Z) - Template-Based Graph Clustering [5.4352987210173955]
クラスタ(またはコミュニティ)の基盤構造に関する追加情報によってガイドされる新しいグラフクラスタリング手法を提案する。
クラスタの密度とそれらの関係をエンコードする関連する事前条件により,本手法は古典的手法,特に挑戦的ケースにおいて優れる。
論文 参考訳(メタデータ) (2021-07-05T13:13:34Z) - Multilayer Graph Clustering with Optimized Node Embedding [70.1053472751897]
多層グラフクラスタリングは、グラフノードをカテゴリまたはコミュニティに分割することを目指しています。
与えられた多層グラフの層をクラスタリングに親しみやすい埋め込みを提案する。
実験の結果,本手法は著しい改善をもたらすことがわかった。
論文 参考訳(メタデータ) (2021-03-30T17:36:40Z)
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。