异质网络对的匹配性

我们考虑非同分布网络中的图匹配问题。在一类广义的边独立网络中，我们证明了直接匹配网络时，图匹配性很可能以高概率丢失。我们进一步证明，在温和的模型假设下，通过在匹配前使用通用奇异值阈值化（Universal Singular Value Thresholding）对网络进行中心化，匹配性几乎可以完美恢复。这些理论结果随后在真实和合成模拟设置中得到展示。我们还在一个非常广义的核-垃圾网络模型（core-junk network model）中恢复了类似的核匹配结果，其中某些顶点在图对之间不对应。