非对称网络的层次聚类
机器学习
2016-07-22 v1 机器学习
摘要
本文考虑了节点间关系由有向相异度表示的网络。目标是研究基于相异度结构输出层次聚类的方法，即由连通性参数索引的嵌套划分族。我们对层次聚类方法的构建围绕容许方法的概念展开，这些方法遵循价值公理——具有两个节点的网络中的节点在它们之间的两个相异度的最大值处被聚类在一起——以及变换公理——当相异度减小时，网络可能变得更加聚类而非更不聚类。两种特定方法，即互惠聚类和非互惠聚类，被证明在容许方法空间中提供上下界。此外，本文还考虑了替代的聚类方法和公理。特别是，修改价值公理使得双节点网络中的聚类发生在两个相异度的最小值处，将导致唯一容许聚类方法的存在。
引用
@article{arxiv.1607.06294,
title = {Hierarchical Clustering of Asymmetric Networks},
author = {Gunnar Carlsson and Facundo Mémoli and Alejandro Ribeiro and Santiago Segarra},
journal= {arXiv preprint arXiv:1607.06294},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1301.7724