鲁棒社区检测的极小极大速率
数据结构与算法
2022-07-26 v1 机器学习
社会与信息网络
概率论
机器学习
摘要
在这项工作中,我们研究了具有对抗性节点损坏的随机块模型中的社区检测问题。我们的主要结果是一个高效算法,该算法可容忍比例的损坏,并取得误差,其中为信噪比,和分别为社区间和社区内的连接概率。这些界基本上与无损坏SBM的极小极大速率相匹配。我们还给出了-同步的鲁棒算法。我们算法的核心是一个新的半定规划,它利用全局信息鲁棒地提升粗略聚类的精度。此外,我们表明我们的算法是双重鲁棒的,即它们在一个更具挑战性的噪声模型下也有效,该模型将对抗性损坏与来自半随机模型的无界单调变化相混合。
引用
@article{arxiv.2207.11903,
title = {Minimax Rates for Robust Community Detection},
author = {Allen Liu and Ankur Moitra},
journal= {arXiv preprint arXiv:2207.11903},
year = {2022}
}
备注
To appear in FOCS 2022