×
乔治·德拉科普洛斯;安德烈亚斯·卡纳沃斯;察卡利迪斯、康斯坦蒂诺斯

具有二阶界的模糊随机游走器：非对称分析。 （英语） Zbl 1461.05209号

算法（巴塞尔） 10，第2号，第40号论文，21页（2017年）.
摘要：边缘模糊图构成了从人工智能到计算神经科学和社会网络分析等广泛领域的基本建模范式。在该模型下，基本图形属性（如边长度和图形直径）成为随机的，因此它们以概率术语表示。因此，模糊图分析的算法必须依赖于非确定性设计原则。其中一个原理是Random Walker，它基于虚拟实体，选择要访问的模糊图的边或顶点。这允许通过长序列的局部决策来估计全局图形属性，使其成为依赖Neo4j等本地图形数据库的图形处理软件的可行策略候选。作为一个具体的例子，本文提出了一种基于二阶统计量和Random Walker隐形传送的启发式模糊社区发现算法Chebyshev Walktrap，并将其性能（以社区一致性和顶点访问次数表示）与之前提出的Markov Walktraps算法进行了比较，Fuzzy Walktrap和Fuzzy Newman-Girvan。为了便于进行这种比较，使用了基于特维斯基指数和库尔贝克-莱布勒散度的非对称度量的度量。

引用于1文件

MSC公司：

05C85号 图形算法（图形理论方面）
05C72号 分数图论、模糊图论
62E86型 统计分布的模糊性

关键词：

伯努利分布;二项分布;切比雪夫不等式;一阶统计量;模糊图;图形分析;高阶数据;詹森不等式;马尔可夫不等式;泊松分布;随机沃克原理;二阶统计量;walktrap算法

软件：

KronFit公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Drakopoulos}等人，《算法（巴塞尔）》10，第2期，第40号论文，第21页（2017；Zbl 1461.05209）
全文： 内政部

参考文献：

[1] 苏莱克，W.H；算法信息内容，Church Turing论文，物理熵和麦克斯韦的恶魔：美国新墨西哥州洛斯阿拉莫斯1990·Zbl 0800.94140
[2] 布里渊，L。；麦克斯韦的恶魔无法运作：信息和熵。我；J.应用。物理：1951; 第22卷，334-337·Zbl 0044.21901
[3] Herrmann，D。；赫龙·冯·亚历山大；Die antike Mathematik:德国柏林/海德堡，2014年，257-288.
[4] 福斯，F。；Pilotte，A。；Renders，J.M。；Saerens，M。；图中节点相似度的随机遍历计算及其在协同推荐中的应用；IEEE传输。知识。数据工程：2007年；第19卷，355-369。
[5] Sinop，A.K。；格雷迪·L。；一种结合图割和随机游走的种子图像分割框架，产生了一种新的算法；2007年IEEE第11届计算机视觉国际会议论文集：，1-8.
[6] 库普利，C。；格雷迪·L。；纳杰曼，L。；Talbot，H。；能量分水岭：一种新的图像分割框架，扩展了图割、随机游走和最优跨越森林；2009年IEEE第12届计算机视觉国际会议论文集：，731-738页。
[7] 布隆德尔，V.D。；纪尧姆，J.L。；兰比奥特，R。；Lefebvre，E。；大型网络中社区层级的快速展开；J.Stat.机械。理论实验：2008。
[8] Girvan，M。；纽曼，M。；社会和生物网络中的社区结构；程序。国家。阿卡德。科学。美国：2002年；第99卷，7821-7826·Zbl 1032.91716号
[9] Pons，P。；拉塔比，M。；使用随机行走计算大型网络中的社区·Zbl 1161.68694号
[10] Drakopoulos，G。；卡纳沃斯，A。；马克里斯，C。；Megalooikonomou，V。；关于Neo4j中模糊图社区检测算法的转换；第五届智能方法与应用组合国际研讨会论文集：。
[11] 罗斯瓦尔，M。；Bergstrom，C；信息流图揭示了复杂网络中的社区结构：。
[12] Drakopoulos，G。；卡纳沃斯，A。；Neo4j上基于张量的文档检索及其在PubMed挖掘中的应用；第七届信息、智能、系统和应用国际会议记录（IISA 2016）：。
[13] Panzarino，O.P；学习密码：英国伯明翰，2014。
[14] 罗森菲尔德，A。；模糊图；模糊集应用：1975; 第51377-95卷·Zbl 0315.05131号
[15] Drakopoulos，G。；卡纳沃斯，A。；Tsakalidis，A。；模糊随机游走器的Neo4j实现；第九届希腊人工智能会议记录（SETN 2016）：·Zbl 1461.05209号
[16] 罗宾逊一世。；韦伯，J。；Eifrem，E；图形数据库：塞巴斯托波尔，加利福尼亚州，美国2013。
[17] 福图纳托，S。；图中的社区检测；物理学。代表：2010年；第486卷，第75-174页。
[18] Ng，A.Y。；M.I.乔丹。；韦斯，Y。；关于谱聚类：分析和算法；神经信息处理系统进展论文集（NIPS 2001）：。
[19] 克尼根，B。；Lin，S。；一种有效的启发式划分图方法；贝尔系统。技术期刊：1970年；第49卷，291-307·Zbl 0333.05001号
[20] 史J。；Malik，J。；归一化切割与图像分割；IEEE传输。模式分析。马赫。智力：2000; 第22卷，888-905。
[21] Lancichinetti，A。；福图纳托，S。；社区检测算法的比较分析；物理学。版本E:2009；第80卷，056117。
[22] Leskovec，J。；朗，K.J。；马奥尼，M.W。；网络社区检测算法的实证比较；第19届万维网国际会议论文集（WWW 2010）：，631-640.
[23] 卡林顿，P.J。；斯科特·J。；Wasserman，S；社会网络分析的模型和方法：剑桥，英国2005。
[24] Scott，J；《社交网络分析：手册：千橡树》，加利福尼亚州，美国2000年。
[25] 德拉科普洛斯，G。；卡纳沃斯，A。；Tsakalidis，A。；用系统论评价推特影响力排名；第十二届网络信息系统与技术国际会议（WEBIST）论文集：·Zbl 1461.05209号
[26] Kontopoulos，S。；Drakopoulos，G。；一种高效的图表示方法；第26届人工智能工具国际会议论文集（ICTAI 2014）：，299-303页。
[27] A.Langville。；Meyer，C；谷歌的PageRank和Beyond：搜索引擎排名科学：美国新泽西州普林斯顿，2006年·Zbl 1104.68042号
[28] Page，L。；布林，S。；Motwani，R。；Winograd，T；PageRank引文排名：为网络带来秩序：美国加利福尼亚州斯坦福，1999年。
[29] Kleinberg，J.M。；超链接环境中的权威资源；离散算法（SODA）研讨会论文集：，668-677. ·Zbl 0930.68047号
[30] 纽曼，M；网络：简介：牛津，英国，2010·Zbl 1195.94003号
[31] 纽曼，M.E。；网络中社区结构的快速检测算法；物理学。版本E:2004；第69卷，066133。
[32] Kafeza，E。；卡纳沃斯，A。；马克里斯，C。；Chiu，D。；识别社交网络中基于个人的社区；结合概念建模国际会议（LSAWM）的网络建模中的法律和社会问题会议录（主题演讲）：。
[33] Kafeza，E。；卡纳沃斯，A。；马克里斯，C。；维卡托斯，P。；预测推特中的信息传播模式；人工智能应用和创新学报（AIAI）：，79-89.
[34] 卡纳沃斯，A。；佩里科斯，I。；推特中情感社区的检测；第九届IEEE信息科学研究挑战国际会议论文集：，524-525中。
[35] Kafeza，E。；卡纳沃斯，A。；马克里斯，C。；维卡托斯，P。；T-PICE：基于推特个性的影响力社区提取系统；IEEE国际大数据大会会议记录：，212-219.
[36] 赞帕拉斯五世。；卡纳沃斯，A。；马克里斯，C。；实时分析在推特上测量用户影响力；第27届IEEE人工智能工具国际会议论文集：。
[37] 卡纳沃斯，A。；佩里科斯，I。；维卡托斯，P。；Hatzilygeroudis，I。；马克里斯，C。；Tsakalidis，A。；社交网络中的会话情感建模；第26届IEEE人工智能工具国际会议论文集：，478-484.
[38] 卡纳沃斯，A。；佩里科斯，I。；维卡托斯，P。；Hatzilygeroudis，I。；马克里斯，C。；Tsakalidis，A。；基于情感内容的再推传播建模；人工智能应用与创新论文集（AIAI）：，101-110.
[39] Kephart，J.O。；怀特，S.R。；计算机病毒的定向颗粒流行病学模型；1991年IEEE计算机学会安全与隐私研究研讨会论文集：，343-359.
[40] Ren，J。；Yang，X.先生。；Yang，L.X。；Xu，Y。；杨，F。；一种延迟计算机病毒传播模型及其动力学；混沌孤立子分形：2012；第45卷，第74-79页·Zbl 1343.34186号
[41] Tugnait，J.K。；罗，W。；基于叠加训练和一阶统计量的信道估计；2003年IEEE声学、语音和信号处理国际会议论文集（ICASSP’03）：，4-624.
[42] Tong，L。；徐，G。；Kailath，T。；基于二阶统计的盲识别和均衡：一种时域方法；IEEE传输。Inf.理论：1994年；第40卷，340-349。
[43] Belouchrani，A。；Abed-Meraim，K。；Cardoso，J.F。；Moulines，E。；基于二阶统计量的盲源分离技术；IEEE传输。信号处理：1997; 第45卷，434-444。
[44] 孟德尔，J.M。；信号处理和系统理论中的高阶统计（谱）教程：理论结果和一些应用；程序。IEEE:1991；第79卷，278-305。
[45] Chua，K.C。；Chandran，V。；阿查里亚，U.R。；Lim，C.M。；高阶统计量（谱）在生物医学信号中的应用——综述；医学工程物理：2010年；第32卷，679-689。
[46] 德拉科普洛斯，G。；Megalooikonomou，V。；自适应高阶调度策略及其在生物信号处理中的应用；2016年计算智能系列研讨会论文集（SSCI 2016）：，921-928.
[47] 科蒙，P。；独立成分分析，一个新概念？；信号处理：1994; 第36卷，287-314·Zbl 0791.62004号
[48] Delorme，A。；塞诺夫斯基，T。；Makeig，S。；基于高阶统计量和独立分量分析的脑电数据伪影增强检测；神经影像：2007年；第34卷，1443-1449。
[49] D.M.牧师。；任意精度浮点运算的算法；第十届IEEE计算机算术研讨会论文集：，132-143.
[50] 德拉科普洛斯，G。；Neo4j中情感推特指标的张量融合；第七届信息、智能、系统和应用国际会议记录（IISA 2016）：。
[51] Drakopoulos，G。；Megalooikonomou，V。；用有限差分正则化大生物信号；第七届信息、智能、系统和应用国际会议记录（IISA 2016）：。
[52] Drakopoulos，G。；Kontopoulos，S。；马克里斯，C。；最终一致基数估计及其在生物数据挖掘中的应用；第31届ACM应用计算年会论文集：，941-944.
[53] 汉明，R.W。；关于数字的分布；贝尔系统。《科技期刊》：1970年；第49卷，1609-1625·Zbl 0211.46701号
[54] 阿加瓦尔，C.C。；翟，C；挖掘文本数据：德国柏林/海德堡，2012年。
[55] De Jong，K。；遗传算法学习：综述；马赫。学习。：1988; 第3卷，121-138。
[56] De Jong，K.A。；W.M.斯皮尔斯。；用遗传算法求解NP-完全问题；ICGA会议记录：，124-132之间。
[57] 萨阿德，Y。；M.H.舒尔茨。；求解非对称线性系统的广义最小残差算法；SIAM J.科学。统计计算：1986; 第7卷，856-869·兹伯利0599.65018
[58] 摩根，R.B。；非对称方程组的隐式重启GMRES和Arnoldi方法；SIAM J.矩阵分析。申请：2000; 第21卷，1112-1135·兹伯利0963.65038
[59] Leskovec，J。；查克拉巴蒂，D。；Kleinberg，J。；Faloutsos，C。；加赫拉马尼，Z。；克罗内克图：一种网络建模方法；J.马赫。学习。决议：2010年；第11卷，985-1042·Zbl 1242.05256号
[60] Leskovec，J。；Kleinberg，J。；Faloutsos，C。；随时间变化的图形：致密化规律、收缩直径和可能的解释；第十一届ACM SIGKDD数据挖掘知识发现国际会议论文集（KDD05）：，177-187.
[61] 苏拉卡基斯，C.E。；大型真实网络中三角形的快速计数：算法与法则；ICDM会议记录：，608-617.
[62] Drakopoulos，G。；卡纳沃斯，A。；马克里斯，C。；Megalooikonomou，V。；寻找Neo4j中的模糊群落；智能创新、系统和技术：德国柏林/海德堡，2016年。
[63] Drakopoulos，G。；巴鲁蒂阿迪，A。；Megalooikonomou，V。；Neo4j的高阶图中心性测度；第六届信息、智能、系统和应用国际会议记录（IISA 2015）：。
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。