基于图滤波器低秩激励的盲社区检测
社会与信息网络
2019-04-16 v2 信号处理
机器学习
摘要
本文考虑一种从图节点观测信号中检测社区的新框架。我们将观测信号建模为未知网络过程(表示为图滤波器)的含噪输出,该过程由一组未知的低秩输入/激励所激发。该模型的应用场景包括扩散动力学、定价实验和舆论动力学。我们旨在直接恢复社区结构,而非学习图本身的精确参数。本文表明,通过对图信号的协方差矩阵应用谱方法可检测社区。我们的分析指出,社区检测性能取决于图滤波器的“低通”性质。我们还表明,当潜在参数向量已知时,可通过低秩矩阵加稀疏分解方法提升性能。数值实验证明我们的方法是有效的。
引用
@article{arxiv.1809.01485,
title = {Blind Community Detection from Low-rank Excitations of a Graph Filter},
author = {Hoi-To Wai and Santiago Segarra and Asuman E. Ozdaglar and Anna Scaglione and Ali Jadbabaie},
journal= {arXiv preprint arXiv:1809.01485},
year = {2019}
}
备注
Single column format, 32 pages, 9 figures