×
谢方正;徐彦勋

通过一步过程对随机点积图进行有效估计。 （英语） Zbl 1514.62100号

美国统计协会。 118，编号541，651-664（2023）.
摘要：我们提出了一种一步法来有效估计随机点积图中的潜在位置。与经典的基于谱的方法不同，该方法同时利用了期望邻接矩阵的低阶结构和采样模型的贝努利似然信息。我们证明，对于每个顶点，一步估计量（OSE）的对应行在适当缩放并集中到正交变换后，通过有效的协方差矩阵收敛到多元正态分布。一步过程的初始估计量需要满足所谓的近似线性化性质。OSE在以下意义上改进了常用的谱嵌入方法：对于所有顶点，它产生的平方误差的渐近和不大于谱方法的平方误差，对于每个顶点，OSE对应行的渐近协方差矩阵支配着谱嵌入的协方差矩阵。通过数值示例和对真实维基百科图形数据集的分析，证明了所建议的一步程序的有用性。

引用于1文件

MSC公司：

62H22个 概率图形模型
62M15型 随机过程和谱分析的推断
62C20个 统计决策理论中的Minimax过程
90立方厘米 涉及图形或网络的编程
68兰特 计算机科学中的图论（包括图形绘制）

关键词：

近似线性化特性;渐近正态性;伯努利似然信息;潜在位置估计;归一化拉普拉斯算子
PDF格式BibTeX公司 XML格式引用
\textit｛F.Xie｝和\textit｛Y.Xu｝，J.Am.Stat.Assoc.118，编号541、651-664（2023；兹比尔1514.62100）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Athreya，A。；Fishkind，D.E。；唐，M。；Priebe，C.E。；纽约州帕克市。；Vogelstein，J.T。；莱文，K。；利津斯基，V。；秦，Y。；Sussman，D.L.，“随机点积图的统计推断：一项调查”，《机器学习研究杂志》，18，1-92（2018）·Zbl 1473.05279号
[2] Athreya，A。；普里贝，C.E。；唐，M。；利津斯基，V。；Marchette，D.J。；Sussman，D.L.，“随机点积图的标度特征向量的极限定理”，Sankhya A，78，1-18（2016）·Zbl 1338.62061号 ·doi:10.1007/s13171-015-0071-x
[3] Athreya，A.、Tang，M.、Park，Y.和Priebe，C.E.（2018b），“关于潜在结构随机图中的估计和推断”，arXiv:1806.01401·Zbl 07368220号
[4] 巴塔查里亚，A。；Dunson，D.B.，“稀疏贝叶斯无限因子模型，生物统计学，291-306（2011）·Zbl 1215.62025号 ·doi:10.1093/biomet/asr013
[5] Bickel，P.J。；Doksum，K.A.，《数理统计：基本思想和选定主题》，第2卷（2015年），CRC出版社·Zbl 1380.62002号
[6] Boucheron，S。；卢戈西，G。；Massart，P.，《集中不等式：独立性的非渐近理论》（2013），牛津：牛津大学出版社，牛津·Zbl 1279.60005号
[7] 卡隆，F。；Fox，E.B.，“使用可交换随机度量的稀疏图”，《皇家统计学会杂志》，B辑，79，1295-1366（2017）·Zbl 1381.62072号 ·doi:10.1111/rssb.12233
[8] 埃卡特，C。；Young，G.，“低阶矩阵对一个矩阵的逼近”，《心理测量学》，121-218（1936）·doi:10.1007/BF02288367
[9] 高，C。；马，Z。；张亚勇。；Zhou，H.H.，“在随机块模型中实现最佳误分类比例”，《机器学习研究杂志》，18，1980-2024（2017）·Zbl 1440.62244号
[10] 耿，J。；Bhattacharya，A。；Pati，D.，“未知社区数量的概率社区检测，美国统计协会期刊，114893-905（2019）·Zbl 1420.62271号 ·doi:10.1080/016214519.2018.1458618
[11] Girvan，M。；Newman，M.E.J.，“社会和生物网络中的社区结构，国家科学院学报，997821-7826（2002）·Zbl 1032.91716号 ·doi:10.1073/pnas.122653799
[12] 霍夫，P.D。；Raftery，A.E。；Handcock，M.S.，“社会网络分析的潜在空间方法”，《美国统计协会杂志》，971090-1098（2002）·Zbl 1041.62098号 ·doi:10.1198/016214502388618906
[13] Mele，A.、Hao，L.、Cape，J.和Priebe，C.E.（2019），“具有节点协变量的大型随机块模型的谱推断”，arXiv:1908.06438。
[14] 图的拉普拉斯矩阵：综述，线性代数及其应用，197143-176（1994）·Zbl 0802.05053号 ·doi:10.1016/0024-3795（94）90486-3
[15] 尼尔，J。；Uphoff，B。；哈希，C。；Storlie，C.，《改进计算机网络中攻击者的检测：新边缘、快速更新和主机代理》，2013年第六届弹性控制系统国际研讨会，218-224（2013）·doi:10.1109/ISRCS.2013.6623779
[16] Nocedal，J。；Wright，S.，《数值优化》（2006），Springer Science&Business Media·Zbl 1104.65059号
[17] Priebe，C.E.、Park，Y.、Tang，M.、Athreya，A.、Lyzinski，V.、Vogelstein，J.T.、Qin，Y.，Cocanougher，B.、Eichler，K.、Zlatic，M.（2017），“果蝇连接体的半参数光谱建模”，arXiv:1705.03297。
[18] 罗科瓦，V。；George，E.I.，“通过自动旋转到稀疏度的快速贝叶斯因子分析，美国统计协会杂志，1111608-1622（2016）·doi:10.1080/01621459.2015.1100620
[19] Rohe，K。；Chatterjee，S。；Yu，B.，“谱聚类和高维随机块模型，统计年鉴，391878-1915（2011）·Zbl 1227.62042号
[20] 鲁宾·德兰西，P。；新墨西哥州亚当斯。；Heard，N.A.，《计算机网络的不可分割性》，2016年IEEE智能与安全信息学会议（ISI），243-247（2016）·doi:10.1109/ISI.2016.7745482
[21] Rubin-Delanthy，P.、Cape，J.、Tang，M.和Priebe，C.E.（2017），“谱嵌入的统计解释：广义随机点积图”，arXiv:1709.05506。
[22] Sarkar，P。；Bickel，P.J.，“归一化在随机块模型谱聚类中的作用”，《统计年鉴》，43，962-990（2015）·Zbl 1320.62150号
[23] 苏斯曼，D.L。；唐，M。；Fishkind，D.E。；Priebe，C.E.，“随机块模型图的一致邻接谱嵌入”，美国统计协会杂志，1071119-1128（2012）·Zbl 1443.62188号 ·doi:10.1080/01621459.2012.699795
[24] 苏斯曼，D.L。；唐，M。；Priebe，C.E.，“随机点积图的一致潜在位置估计和顶点分类，IEEE模式分析和机器智能汇刊，36，48-57（2014）·doi:10.1109/TPAMI.2013.135
[25] 唐，M。；Athreya，A。；苏斯曼，D.L。；利津斯基，V。；纽约州帕克市。；Priebe，C.E.，“随机图的半参数双样本假设检验问题，计算与图形统计杂志，26，344-354（2017）·doi:10.1080/10618600.2016.1193505
[26] 唐，M。；Athreya，A。；苏斯曼，D.L。；利津斯基，V。；Priebe，C.E.，“随机图的非参数两样本假设检验问题”，伯努利，231593-1630（2017）·Zbl 1450.62040 ·doi:10.3150/15-BEJ789
[27] 唐，M。；Priebe，C.E.，“随机图规范化拉普拉斯算子特征向量的极限定理”，《统计年鉴》，462360-2415（2018）·兹比尔1408.62120
[28] 唐，M。；苏斯曼，D.L。；Priebe，C.E.，“潜在位置图的普遍一致的顶点分类”，《统计年鉴》，411406-1430（2013）·Zbl 1273.62147号
[29] 唐·R。；凯查，M。；Badea，A。；卡拉布雷斯，E.D。；Margulies，D.S。；Vogelstein，J.T。；Priebe，C.E。；Sussman，D.L.，“通过低秩近似进行连接体平滑，IEEE医学成像汇刊，38，1446-1456（2019）·doi:10.1010/TMI.2018.285968
[30] Van der Vaart，A.W.，《渐进统计》，3（2000），剑桥：剑桥大学出版社，剑桥·Zbl 0910.62001号
[31] Ward，医学博士。；斯托维尔，K。；Sacks，A.，《网络分析与政治科学》，《政治科学年度评论》，第14期，第245-264页（2011年）·doi:10.1146/annurev.polisci.12.040907.115949
[32] Wasserman，S。；Faust，K.，《社会网络分析：方法和应用》，8（1994），剑桥：剑桥大学出版社，剑桥
[33] Xie，F.和Xu，Y.（2019），“随机点积图的最优贝叶斯估计”，arXiv:1904.12070·Zbl 1457.62192号
[34] Young，S.J。；Scheinerman，E.R.，网络图算法和模型国际研讨会，“社交网络的随机点产品图模型”，138-149（2007），Springer·Zbl 1136.05322号
[35] 朱，M。；Ghodsi，A.，“通过使用剖面可能性从屏幕图中自动选择尺寸”，计算统计与数据分析，51，918-930（2006）·Zbl 1157.62429号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。