一种具有稀疏观测的鲁棒信息源估计器
社会与信息网络
2013-09-20 v1
摘要
在本文中，我们考虑了在稀疏观测下定位信息源的问题。我们假设一段信息在网络中遵循异构的易感 - 感染 - 恢复 (SIR) 模型传播，并且报告了一小部分被感染节点，我们需要从中找到信息源。我们采用了文献 [1] 中开发的基于样本路径的估计器，并证明了在无限树上，基于样本路径的估计器是关于观测到的被感染节点集合的 Jordan 感染中心。换言之，基于样本路径的估计器最小化了到观测到的被感染节点的最大距离。我们进一步证明，在无限树上以高概率，估计器与实际源之间的距离有一个与感染节点数量无关的常数上界。我们在树网络和真实世界网络上的模拟表明，基于样本路径的估计器比其他几种算法更接近实际源。
引用
@article{arxiv.1309.4846,
title = {A Robust Information Source Estimator with Sparse Observations},
author = {Kai Zhu and Lei Ying},
journal= {arXiv preprint arXiv:1309.4846},
year = {2013}
}