部分可观测下拓扑推断的无偏对称矩阵估计器
应用统计
2022-06-22 v2 机器学习
摘要
网络拓扑推断是网络科学许多应用中的基本问题，例如定位假新闻源头、脑连接网络检测等。许多现实情况遭受一个关键问题，即仅有有限部分的观测节点可用。本快报考虑部分可观测框架下的网络拓扑推断问题。基于向量自回归模型，我们针对具有高斯噪声和拉普拉斯组合规则对称网络拓扑提出了一种新颖的无偏估计器。理论上，我们证明它以概率收敛于网络组合矩阵。此外，通过利用高斯混合模型算法，开发了一种称为网络推断高斯算法的有效算法来推断网络结构。最后，与最先进的方法相比，数值实验表明所提算法在小样本量情况下具有更好的性能。
引用
@article{arxiv.2203.15500,
title = {An Unbiased Symmetric Matrix Estimator for Topology Inference under Partial Observability},
author = {Yupeng Chen and Zhiguo Wang and Xiaojing Shen},
journal= {arXiv preprint arXiv:2203.15500},
year = {2022}
}
备注
9 pages, 4 figures