基于模型的非参数加权网络聚类及其在水污染分析中的应用
统计方法学
2019-05-17 v2 社会与信息网络
应用统计
统计计算
机器学习
摘要
水污染是一个重大全球环境问题，对公共健康与生物多样性构成巨大环境风险。本工作受通过河网中硫酸盐浓度升高评估煤矿开采潜在环境威胁所推动，该浓度不服从任何简单参数分布。然而，现有网络模型主要关注二值或离散网络以及具有已知参数权重分布的加权网络。我们提出一种基于指数族随机图模型与局部似然估计的、有原则的非参数加权网络模型，并研究其基于模型的聚类，应用于大规模水污染网络分析。我们不要求对网络权重作任何参数分布假设。所提方法极大拓展了统计网络模型的方法论与适用性。此外，它可扩展至大规模环境研究中大型复杂网络。我们所提方法的效力在模拟研究及美国宾夕法尼亚州俄亥俄流域硫酸盐污染网络分析的实地应用中得到展示。
引用
@article{arxiv.1712.07800,
title = {Model-Based Clustering of Nonparametric Weighted Networks with Application to Water Pollution Analysis},
author = {Amal Agarwal and Lingzhou Xue},
journal= {arXiv preprint arXiv:1712.07800},
year = {2019}
}
备注
29 pages, 6 figures