用于脑网络分析的多视图图嵌入与枢纽检测
机器学习
2017-09-13 v1
摘要
多视图图嵌入已成为图学习领域被广泛研究的问题。现有多视图图嵌入工作大多旨在通过特定方式组合不同视图，找到图所有视图间共享的公共节点嵌入。枢纽（hub）检测作为图挖掘中另一个重要主题，近年来也引起了广泛关注，尤其在脑网络分析背景下。图嵌入与枢纽检测均关乎图的节点聚类结构。多视图图嵌入通常隐含基于多视图的图的节点聚类结构，而枢纽是图中跨越不同节点聚类的边界节点，因此可能影响图的聚类结构。然而，现有多视图图嵌入工作在学习的多视图嵌入时均未考虑枢纽。本文提出将枢纽检测任务纳入多视图图嵌入框架，使两个任务相互促进。具体地，我们提出一种用于脑网络分析的带枢纽检测的多视图图嵌入（MVGE-HD）自动加权框架。MVGE-HD框架学习所有视图间的统一图嵌入，同时减少枢纽对模糊图中节点聚类间边界的潜在影响，从而为图带来清晰且具有判别性的节点聚类结构。我们在两个真实多视图脑网络数据集（即HIV和Bipolar）上应用MVGE-HD。实验结果证明了所提框架在脑网络分析用于临床研究和应用中的优越性能。
引用
@article{arxiv.1709.03659,
title = {Multi-view Graph Embedding with Hub Detection for Brain Network Analysis},
author = {Guixiang Ma and Chun-Ta Lu and Lifang He and Philip S. Yu and Ann B. Ragin},
journal= {arXiv preprint arXiv:1709.03659},
year = {2017}
}