度修正混合隶属模型下正则化谱聚类的相合性
社会与信息网络
2021-08-30 v2 机器学习
机器学习
摘要
网络分析中的社区发现是近年来一个引人关注的研究领域。在此，我们在度修正混合隶属（DCMM）模型下，基于正则化拉普拉斯矩阵提出了一种称为混合正则化谱聚类（简称 Mixed-RSC）的高效方法。Mixed-RSC 的设计基于总体正则化拉普拉斯矩阵特征分解变体的一种理想锥结构。我们通过给出每个节点推断出的隶属向量的误差界，证明了该算法在温和条件下是渐近相合的。作为我们误差界的一个副产品，我们给出了正则化参数 τ 的理论最优选择。为展示我们方法的性能，我们在模拟和真实世界网络上将其与先前的基准方法进行了比较。据我们所知，这是首个基于正则化拉普拉斯矩阵的应用、在 DCMM 模型下为混合隶属社区发现问题设计谱聚类算法的工作。
引用
@article{arxiv.2011.12239,
title = {Consistency of regularized spectral clustering in degree-corrected mixed membership model},
author = {Huan Qing and Jingli Wang},
journal= {arXiv preprint arXiv:2011.12239},
year = {2021}
}