在下面,我们国家的正式定义图还原能力的降低权重,这是一个变体hyperedge分裂的定义在函数的声明<一个href="#B32">草原et al。(2020)一个>。
在下面的定理,我们展示的一个等价条件图还原性有关Lovasz削减的延伸功能,这有利于我们以后的发展1-spectral聚类算法。Lovasz扩展图的函数可以写成
在哪里
在哪里<米一个th><米o>
|米o>
算法1gydF4y2Ba。1-spectral集群与EDVW超图。
的最小化<我>R1(
算法2gydF4y2Ba。IPM-based最小化<我>R1(x)(
在<一个href="#B24">李和Milenkovic (2018)一个>作者解决内部问题,使用一个随机坐标下降法(<一个href="#B13">烯和阮,2015一个>)一起分治算法提出了<一个href="#B19">Jegelka et al。(2013)一个>。分治算法的计算复杂度取决于解决问题的时间<米一个th><米under class="msub">
在哪里<米一个th><米over accent="true">
算法3gydF4y2Ba。(13)FISTA解决问题。
说清楚,下面的定理<米一个th><米sub>
在哪里
原始和双变量相关
的梯度的李普希茨常数Ψ上有界
证明。给出证明<一个href="#SM1">附录D一个>。
其对偶问题
在哪里<米一个th><米sub>
我们可以配合(18)到(16)通过设置形式<米一个th><米sub>
算法4gydF4y2Ba。解决问题与加速PDHG (18)。
β的可调。请注意,我们重用的符号
图1gydF4y2Ba。集群性能三个真实数据集显示在对数据描述聚类误差和NCC值的函数参数α或β。RCV1,我们解决β= 0.2(A, B)α=1(C, D)gygygydF4y2BadF4y2BadF4y2Ba。20新闻组,我们解决β= 0.1(E, F)α=0gygydF4y2BadF4y2Ba。8(GH)gygygydF4y2BadF4y2BadF4y2Ba。Covtype,我们解决β= 0.2(I, J)α=2(K, L)gygygydF4y2BadF4y2BadF4y2Ba。一个适当的选择α和β有助于显著减少聚类错误与现有方法相比。性能改进可能受益于使用EDVW和1-Laplacian。
一个可以定义一个转换矩阵
在哪里
很容易证明<米一个th><米row>
原始和双变量相关的在哪里<我>xv我>= 1,如果<米一个th><米我>v<米o>
∈米o>
1。<一个class="footnotetextanchor" href="#note1a" title="^gydF4y2Ba">^一个><一个style="color:grey;" href="http://qwone.com/~jason/20Newsgroups/">http://qwone.com/杰森/ 20个新闻组一个>
Amghibech,美国(2003年)。特征值的离散下图表。<我>一个rs梳我>。67年,283 - 302。
巴赫,f (2013)。学习与子模块功能:凸优化的角度来看。<我>发现。趋势马赫。学习我>。6,145 - 373。doi: 10.1561 / 2200000039
贝克,一个。,Teboulle, M. (2009). A fast iterative shrinkage-thresholding algorithm for linear inverse problems.<我>暹罗j .成像科学我>。2,183 - 202。doi: 10.1137 / 080716542
本森,a。R。,Gleich, D. F., and Leskovec, J. (2016). Higher-order organization of complex networks.<我>科学我>353年,163 - 166。doi: 10.1126 / science.aad9029
博伊德。,博伊德。P。,Vandenberghe l . (2004)。<我>凸优化我>。剑桥:剑桥大学出版社。doi: 10.1017 / CBO9780511804441
布勒公司T。,嗯,M。(2009)。“基于图下,谱聚类”<我>国际会议上机器学习我>(加拿大蒙特利尔的),81 - 88。doi: 10.1145/1553374.1553385
Chambolle,。,Pock, T. (2011). A first-order primal-dual algorithm for convex problems with applications to imaging.<我>j。数学。成像对我>。40岁,120 - 145。doi: 10.1007 / s10851 - 010 - 0251 - 1
Chambolle,。,Pock, T. (2016a). An introduction to continuous optimization for imaging.<我>一个ct一个号码我>。25日,161 - 319。doi: 10.1017 / S096249291600009X
Chambolle,。,Pock, T. (2016b). On the ergodic convergence rates of a first-order primal-dual algorithm.<我>数学。程序我>。159年,253 - 287。doi: 10.1007 / s10107 - 015 - 0957 - 3
Chang K.-C。(2016)。1-laplacian和cheege常数的频谱图。<我>j。图论我>81年,167 - 207。doi: 10.1002 / jgt.21871
Chang K.-C。邵,S。,Zhang, D. (2017). Nodal domains of eigenvectors for 1-laplacian on graphs.<我>放置数学我>。308年,529 - 574。doi: 10.1016 / j.aim.2016.12.020
Chitra U。,R一个ph一个el, B. (2019). “Random walks on hypergraphs with edge-dependent vertex weights,” in<我>国际会议上机器学习我>,1172- - - - - -1181。网上:<一个href="http://proceedings.mlr.press/v97/chitra19a.html">http://proceedings.mlr.press/v97/chitra19a.html一个>(2023年2月9日通过)。
烯,。,Nguyen, H. (2015). “Random coordinate descent methods for minimizing decomposable submodular functions,” in<我>国际会议上机器学习我>,787- - - - - -795。网上:<一个href="http://proceedings.mlr.press/v37/ene15.html">http://proceedings.mlr.press/v37/ene15.html一个>(2023年2月9日通过)。
傅,G。,Zhao, P., and Bian, Y. (2022). “p-laplacian based graph neural networks,” in<我>国际会议上机器学习我>,6878- - - - - -6917。网上:<一个href="https://proceedings.mlr.press/v162/fu22e.html">https://proceedings.mlr.press/v162/fu22e.html一个>(2023年2月9日通过)。
Hayashi, K。,一个ksoy, S. G., Park, C. H., and Park, H. (2020). “Hypergraph random walks, laplacians, and clustering,” in<我>会议信息和知识管理我>(戈尔韦),495 - 504。doi: 10.1145/3340531.3412034
嗯,M。,布勒公司T。(2010)。逆功率法与自旋波非线性征值问题应用1-spectral集群和稀疏主成分分析。<我>放置神经Inf。过程。系统我>。23。
嗯,M。,年代etzer, S. (2011). Beyond spectral clustering - tight relaxations of balanced graph cuts.<我>放置神经Inf。过程。系统我>。24。
嗯,M。,年代etzer, S., Jost, L., and Rangapuram, S. S. (2013). The total variation on hypergraphs-learning on hypergraphs revisited.<我>放置神经Inf。过程。系统我>。26岁。
Jegelka, S。巴赫,F。,年代ra, S. (2013). Reflection methods for user-friendly submodular optimization.<我>放置神经Inf。过程。系统我>。26岁。
Leskovec, J。,R一个j一个raman, A., and Ullman, J. D. (2020).<我>矿业的大规模数据集我>。剑桥:剑桥大学出版社。doi: 10.1017 / 9781108684163
刘易斯,D D。杨,Y。,Russell-Rose, T., and Li, F. (2004). RCV1: a new benchmark collection for text categorization research.<我>j·马赫。学习。Res我>。5,361 - 397。
李,J。,He,J., and Zhu, Y. (2018). “E-tail product return prediction via hypergraph-based local graph cut,” in<我>国际会议上知识发现和数据挖掘我>(伦敦),519 - 527。doi: 10.1145/3219819.3219829
李,P。,米我lenkovic, O. (2017). Inhomogeneous hypergraph clustering with applications.<我>放置神经Inf。过程。系统我>。30.doi: 10.1007 / 978-3-319-70139-4
李,P。,米我lenkovic, O. (2018). “Submodular hypergraphs: p-laplacians, cheeger inequalities and spectral clustering,” in<我>国际会议上机器学习我>,3014- - - - - -3023。网上:<一个href="http://proceedings.mlr.press/v80/li18e.html">http://proceedings.mlr.press/v80/li18e.html一个>(2023年2月9日通过)。
刘,M。,草原,N。,年代ong, H., Li, P., and Gleich, D. F. (2021). “Strongly local hypergraph diffusions for clustering and semi-supervised learning,” in<我>国际万维网会议我>(卢布尔雅那),2092 - 2103。doi: 10.1145/3442381.3449887
Lovasz, l (1983)。“子模块函数和凸性”<我>数学编程艺术的状态我>eds a Bachem、m . Grotschel和b·科特(纽约:Springer), 235 - 257。doi: 10.1007 / 978 - 3 - 642 - 68874 - 4 - _10
Nesterov, y . e . (1983)。方法求解凸规划问题的收敛速度o (1 / k2)。<我>Dokl。Akad。研究SSSR我>269年,543 - 547。
肖布,m . T。、朱、Y。,年代eby,J.-B., Roddenberry, T. M., and Segarra, S. (2021). Signal processing on higher-order networks: Livin'on the edge…, beyond.<我>信号处理我>。187年,108149年。doi: 10.1016 / j.sigpro.2021.108149
Szlam,。,Bresson, X. (2010). “Total variation and cheeger cuts,” in<我>国际会议上机器学习我>(海法),1039 - 1046。
Tudisco F。,嗯,M。(2018)。节点域定理和一个高阶cheege图的不平等<我>p拉普拉斯算子。<我>j。年代pectr。理论我>8,883- - - - - -908。doi: 10.4171 / JST / 216
Tudisco F。,米ercado, P., and Hein, M. (2018). Community detection in networks via nonlinear modularity eigenvectors.<我>暹罗j .达成。数学我>。78年,2393 - 2419。m1144143 doi: 10.1137/17
草原,N。,本森,a。R。,Kleinberg, J. (2020). Hypergraph cuts with general splitting functions.<我>一个rXiv我>(预印本)。doi: 10.48550 / arXiv.2001.02817
冯Luxburg, (2007)。谱聚类的教程。<我>年代t一个t。第一版我>。17日,395 - 416。doi: 10.1007 / s11222 - 007 - 9033 - z
瓦格纳,D。,Wagner, F. (1993). “Between min cut and graph bisection,” in<我>国际研讨会上计算机科学的数学基础我>(柏林),744 - 750。doi: 10.1007 / 3 - 540 - 57182 - 5 - _65
吉田,y (2019)。“子模块转换,cheege不平等”<我>一个CM-SIAM研讨会上离散算法我>(东京),2582 - 2601。doi: 10.1137 / 1.9781611975482.160
朱,Y。,l我,B。中央大学,美国(2021年)。“Co-clustering顶点和hyperedges<我>通过我>在光谱超图分割。<我>欧洲信号处理会议我>(都柏林),1416 - 1420。doi: 10.23919 / EUSIPCO54536.2021.9616223
朱,Y。,l我,B。中央大学,美国(2022年)。“超图与edge-dependent顶点权重:谱聚类根据1-laplacian”<我>国际会议音响、演讲和信号处理我>(新加坡),8837 - 8841。doi: 10.1109 / ICASSP43922.2022.9746363
朱,Y。,年代eg一个rra, S. (2022). Hypergraph cuts with edge-dependent vertex weights.<我>达成。Netw。Sci我>。45。doi: 10.1007 / s41109 - 022 - 00483 - x
关键词:子模块超图,<我>p拉普拉斯算子的谱聚类,edge-dependent顶点权重,可分解的子模块函数最小化
收到:2022年8月15日;
编辑:
<一个href="https://loop.frontiersin.org/people/1675979/overview">李潘一个>美国普渡大学审核:
<一个href="https://loop.frontiersin.org/people/1968982/overview">弗朗西斯科·Tudisco一个>,意大利格兰萨索科学研究所版权©2023朱和中央大学。这是一个开放分布式根据文章<一个rel="license" href="http://creativecommons.org/licenses/by/4.0/" target="_blank">知识共享归属许可(CC)一个>。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。