利用 Bethe Hessian 进行图的谱聚类
无序系统与神经网络
2015-04-30 v2 社会与信息网络
物理与社会
机器学习
摘要
谱聚类是一种标准方法，通过研究对称实矩阵（例如邻接矩阵或拉普拉斯矩阵）的（最大或最小）特征值来对图上的节点进行标记。最近有人提出，使用一个更复杂、非对称且更高维的算子（与图上的非回溯行走相关），可以在检测聚类方面带来性能提升，甚至在随机块模型中达到最优性能。在此，我们建议使用一个更简单的对象，即称为 Bethe Hessian 算子或变形拉普拉斯矩阵的对称实矩阵。我们表明，这种方法结合了非回溯算子的性能（从而在随机块模型中将聚类检测推进到理论极限），同时具备实对称矩阵在计算、理论和内存方面的优势。
引用
@article{arxiv.1406.1880,
title = {Spectral Clustering of Graphs with the Bethe Hessian},
author = {Alaa Saade and Florent Krzakala and Lenka Zdeborová},
journal= {arXiv preprint arXiv:1406.1880},
year = {2015}
}
备注
8 pages, 2 figures