度修正随机块模型下社区检测的一种改进谱聚类方法
机器学习
2020-11-13 v1 机器学习
摘要
对于社区检测问题，谱聚类是一种广泛使用的网络聚类方法。本文中，我们提出了一种在度修正随机块模型（DCSBM）下的改进谱聚类（ISC）方法。ISC基于对正则化拉普拉斯矩阵的加权前K+1个特征向量（权重为其对应特征值）进行k-means聚类算法。ISC的理论分析表明，在温和条件下，ISC能产生稳定一致的社区检测。数值结果表明，ISC在模拟网络和八个经验网络上均优于经典的社区检测谱聚类方法。特别是，ISC在两个弱信号网络Simmons和Caltech上提供了显著改进，错误率分别为121/1137和96/590。
引用
@article{arxiv.2011.06374,
title = {An improved spectral clustering method for community detection under the degree-corrected stochastic blockmodel},
author = {Huan Qing and Jingli Wang},
journal= {arXiv preprint arXiv:2011.06374},
year = {2020}
}