具有非消失噪声的随机块模型的高斯混合模型
统计方法学
2019-11-06 v1
摘要
社区检测任务在统计学、机器学习和信息论中受到大量关注，大量工作集中于随机块模型的理论保证。近期一条研究路线聚焦于用高斯混合模型（GMMs）对网络的光谱嵌入建模，其尺度机制下检测社区成员的能力随网络规模提升。然而，这些机制并不十分现实。本文提供了由针对具有非消失噪声网络的新理论结果所启发的易处理方法论。我们给出一种使用 GMMs 的社区检测流程，其纳入了在非消失噪声机制下出现的特定截断与收缩效应。我们使用模拟和真实数据对该新表示进行了经验验证。
引用
@article{arxiv.1911.01855,
title = {Gaussian Mixture Models for Stochastic Block Models with Non-Vanishing Noise},
author = {Heather Mathews and Vaishakhi Mayya and Alexander Volfovsky and Galen Reeves},
journal= {arXiv preprint arXiv:1911.01855},
year = {2019}
}