基于凸层聚合的多层谱图聚类：理论与算法
机器学习
2017-08-10 v1 社会与信息网络
摘要
多层图通常用于表示实体间的不同关系并处理异构数据处理任务。需要非标准的多层图聚类方法来将聚类分配给一个公共的多层节点集，并整合来自每一层的信息。本文提出了一个执行凸层聚合的多层谱图聚类（SGC）框架。在多层信号加噪声模型下，我们提供了聚类可靠性的相变分析。此外，我们利用相变判据提出了一种用于多层SGC的多层迭代模型阶选择算法（MIMOSA），该算法具有自动聚类分配和层权重自适应功能，并提供了统计聚类可靠性保证。在合成多层图上的数值模拟验证了相变分析，而在真实多层图上的实验表明，MIMOSA与其他聚类方法相比具有竞争力或表现更优。
引用
@article{arxiv.1708.02620,
title = {Multilayer Spectral Graph Clustering via Convex Layer Aggregation: Theory and Algorithms},
author = {Pin-Yu Chen and Alfred O. Hero},
journal= {arXiv preprint arXiv:1708.02620},
year = {2017}
}
备注
Published at IEEE Transactions on Signal and Information Processing over Networks