用于流形学习的 contagion 动力学

Contagion 映射利用阈值 contagion 中的激活时间，将高维欧几里得空间中的向量分配给网络的节点。作为 contagion 映射像的点云既反映了网络底层的结构，也反映了 contagion 在其上的传播行为。直观地说，如果 contagion 沿该结构传播，这样的点云会展现出网络底层结构的特征，这一观察表明 contagion 映射是一种可行的流形学习技术。我们在多个不同的真实世界和合成数据集上将 contagion 映射作为流形学习工具进行测试，并将其性能与最著名的流形学习算法之一 Isomap 进行比较。我们发现，在某些条件下，contagion 映射能够在含噪数据中可靠地检测底层流形结构，而 Isomap 因噪声引起的误差而失败。这确立了 contagion 映射作为一种流形学习技术的地位。