×
约书亚·阿特伯格;公园，Youngser;乔纳森·拉尔森;克里斯托弗·怀特;Priebe，Carey E。;文斯·利津斯基

顶点提名、一致估计和对抗性修改。 （英语） Zbl 1448.62087号

电子。J.统计。 14，第2期，3230-3267（2020年）.
摘要：给定一对图（G_1）和（G_2）以及（G_1\）中感兴趣的顶点集，顶点提名（VN）问题寻求在（G_2 \）中找到相应的感兴趣顶点（如果它们存在），并生成（G_2 \]中顶点的秩表，理想情况下，集中在（G_2\）中的相应顶点，排名第一。本文定义并推导了具有多个感兴趣顶点的VN的贝叶斯最优性类比，并定义了顶点提名中最大一致性类的概念。该理论为一种新型VN对抗性污染模型奠定了基础，我们通过实际和模拟数据证明，有一些VN方案在无污染环境中有效执行，对抗性网络污染对我们的VN方案的性能产生了不利影响。我们进一步定义了一种网络正则化方法，用于减轻对抗性污染的影响，并在实际数据和合成数据中证明了正则化的有效性。

引用于4文件

MSC公司：

62H22个 概率图形模型
62甲12 多元分析中的估计
68T05型 人工智能中的学习和自适应系统
05C90年 图论的应用

关键词：

统计学;随机图;网络;对抗性机器学习;顶点指定

软件：

麦克卢斯特
PDF格式BibTeX公司 XML格式引用
\textit{J.Agterberg}等人，《电子》。J.Stat.14，No.2，3230--3267（2020；Zbl 1448.62087）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] J.Arroyo-Relión、D.Kessler、E.Levina和S.Taylor。网络分类及其在脑连接组学中的应用。，应用统计年鉴，13（3）：1648-16772019年9月·Zbl 1433.62314号 ·doi:10.1214/19-AOAS1252
[2] A.Athreya、D.Fishkind、K.Levin、V.Lyzinski、Y.Park、Y.Qin、D.Sussman、M.Tang、J.Vogelstein和C.Priebe。随机点积图的统计推断：综述。，《机器学习研究杂志》，2017年9月18日·Zbl 1473.05279号
[3] A.Athreya、C.E.Priebe、M.Tang、V.Lyzinski、D.J.Marchette和D.L.Sussman。随机点积图的标度特征向量的极限定理。，Sankhya A，2015年1月18日·Zbl 1338.62061号 ·doi:10.1007/s13171-015-0071-x
[4] P.J.Bickel和A.Chen。网络模型和Newman-Girvan及其他模块的非参数视图。，美国国家科学院院刊，106:21068-210732009·Zbl 1359.62411号 ·doi:10.1073/pnas.0907096106
[5] P.J.Bickel、D.Choi、X.Chang和H.Zhang。随机块模型最大似然的渐近正态性及其变分逼近。，《统计年鉴》，41（4）：1922-19432013·Zbl 1292.62042号 ·doi:10.1214/13-AOS1124
[6] V.D.Blondel、J.-L.Guillaume、R.Lambiotte和E.Lefebvre。大型网络中社区的快速发展。，《统计力学杂志：理论与实验》，2008年·Zbl 1459.91130号 ·doi:10.1088/1742-5468/2008/10/P10008
[7] E.Bullmore和O.Sporns。复杂脑网络：结构和功能系统的图论分析。，《自然评论神经科学》，10（3）：1862009年。
[8] T.T.Cai和X.Li。在存在任意异常节点的情况下进行鲁棒且计算可行的社区检测。，《统计年鉴》，43（3）：1027-10592015·Zbl 1328.62381号 ·doi:10.1214/14-AOS1290
[9] J.Cape、M.Tang和C.E.Priebe。二到无穷范数和奇异子空间几何及其在高维统计中的应用。，《统计年鉴》，47（5）：2405-24392019·Zbl 1470.62065号 ·doi:10.1214/18-AOS1752
[10] S.Chatterjee。基于广义奇异值阈值的矩阵估计。，《统计年鉴》，43（1）：177-214，2014年·兹比尔1308.62038 ·doi:10.1214/14-AOS1272
[11] L.Chen、C.Shen、J.T.Vogelstein和C.E.Priebe。稳健的顶点分类。，IEEE模式分析和机器智能汇刊，38（3）：578-5902016。
[12] D.Conte、P.Foggia、C.Sansone和M.Vento。模式识别中的图形匹配三十年。，国际模式识别与人工智能杂志，18（03）：265-2982004。
[13] G.铜匠。顶点提名。，威利跨学科评论：计算统计，6（2）：144-1532014。
[14] G.A.Coppersmith和C.E.Priebe。通过内容和上下文进行顶点提名。，arXiv预印arXiv:12011.41182012。
[15] H.Dai、H.Li、T.Tian、X.Huang、L.Wang、J.Zhu和L.Song。对图形结构数据的对抗性攻击。Jennifer Dy和Andreas Krause，编辑，《第35届国际机器学习会议论文集》，《机器学习研究论文集》第80卷，第1115-1124页，瑞典斯德哥尔摩Stockholmsmässan，2018年7月10-15日。PMLR公司。
[16] D.Edge、J.Larson、M.Mobius和C.White。修剪毛球：使密集图形可用的边缘切割策略。2018年IEEE国际大数据会议（大数据），第3951-3958页。IEEE，2018年。
[17] D.E.Fishkind、V.Lyzinski、H.Pao、L.Chen和C.E.Priebe。用于成员预测的顶点提名方案。，应用统计年鉴，9（3）：1510-15322015·Zbl 1454.62180号 ·doi:10.1214/15-AOAS834
[18] P.Foggia、G.Percannella和M.Vento。近10年来模式识别中的图形匹配与学习。，国际模式识别与人工智能杂志，28（01）：145000120014。
[19] C.Fraley和A.E.Raftery。Mclust：基于模型的聚类分析软件。，分类杂志，16（2）：297-3061999·Zbl 0951.91500号 ·数字标识代码：10.1007/s003579900058
[20] K.J.Gile和M.S.Handcock。7.响应者驱动抽样：对当前方法的评估。，社会学方法，40（1）：285-3272010。
[21] M.Girvan和M.E.J.Newman。社会和生物网络中的社区结构。，《美国国家科学院院刊》，99（12）：7821-78262002·Zbl 1032.91716号 ·doi:10.1073/pnas.122653799
[22] D.D.赫卡通。响应者驱动抽样：研究隐藏人群的新方法。，社会问题，44（2）：174-1997。
[23] P.W.Holland、K.B.Laskey和S.Leinhardt。随机块模型：第一步。，社会网络，5（2）：109-1371983。
[24] L.Huang、A.D.Joseph、B.Nelson、B.I.P.Rubinstein和J.D.Tygar。对抗性机器学习。年，《第四届ACM安全与人工智能研讨会论文集》，第43-58页。ACM，2011年。
[25] C.M.Le、E.Levina和R.Vershynin。随机图的集中和正则化。，随机结构与算法，51（3）：538-5612017·Zbl 1373.05179号 ·doi:10.1002/rsa.200713
[26] D.S.Lee和C.E.Priebe。贝叶斯顶点提名。，arXiv预印arXiv:1205.50822012。
[27] V.Lyzinski、K.Levin和C.E.Priebe。关于一致顶点提名方案。，《机器学习研究杂志》，2019年出版·Zbl 1489.62167号
[28] V.Lyzinski、D.L.Sussman、M.Tang、A.Athreya和C.E.Priebe。通过邻接谱嵌入实现随机块模型图的完美聚类。，《电子统计杂志》，8:2905-29222014·兹比尔1308.62131 ·doi:10.1214/14-EJS978
[29] V.Lyzinski、M.Tang、A.Athreya、Y.Park和C.E.Priebe。分层随机块模型中的群落检测和分类。，IEEE网络科学与工程学报，4（1）：13-262017。
[30] D.Marchette、C.E.Priebe和G.Coppersmith。通过属性随机点积图指定顶点。2011年第57届ISI世界统计大会会议记录，第6卷，第16页。
[31] S.Maslov和K.Sneppen。蛋白质网络拓扑的特异性和稳定性。，《科学》，296（5569）：910-9132002。
[32] R.Mastrandrea、J.Fournet和A.Barrat。高中的接触模式：使用可穿戴传感器、接触日记和友谊调查收集的数据之间的比较。，《公共科学图书馆·综合》，10（9）：e01364972015年。
[33] R.Milo、S.Shen-Orr、S.Itzkovitz、N.Kashtan、D.Chklovskii和U.Alon。网络主题：复杂网络的简单构建块。，《科学》，298（5594）：824-8272002。
[34] M.E.J.纽曼。网络中的模块化和社区结构。，《美国国家科学院院刊》，103（23）：8577-85822006。
[35] M.E.J.Newman、D.J.Watts和S.H.Strogatz。社交网络的随机图模型。，《美国国家科学院院刊》，99（增刊1）：2566-25722002·Zbl 1114.91362号 ·doi:10.1073/pnas.012582999
[36] N.Papernot、P.McDaniel、S.Jha、M.Fredrikson、Z.B.Celik和A.Swami。对抗环境中深度学习的局限性。2016年IEEE欧洲安全与隐私研讨会（EuroS&P），第372-387页。IEEE，2016年。
[37] H.G.Patsolic、Y.Park、V.Lyzinski和C.E.Priebe。通过局部邻域匹配进行顶点提名。，arXiv预印arXiv:1705.006742017·Zbl 07260677号 ·doi:10.1002/sam.11454
[38] T.Qin和K.Rohe。度校正随机块模型下的正则谱聚类。，神经信息处理系统进展，2013年。
[39] K.Rohe、S.Chatterjee和B.Yu。谱聚类和高维随机块模型。，《统计年鉴》，39:1878-19152011年·Zbl 1227.62042号 ·doi:10.1214/11-AOS887
[40] P.H.Schönemann先生。正交procrustes问题的一个广义解。，《心理测量学》，31（1）：1-101966年·Zbl 0147.19401号
[41] J.斯科特。，社交网络分析。Sage，2017年。
[42] O.孢子。图论方法：在脑网络中的应用。，临床神经科学对话，20（2）：1112018。
[43] D.L.Sussman、M.Tang和C.E.Priebe。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（1）：48-572014。
[44] M.Tang、A.Athreya、D.L.Sussman、V.Lyzinski、Y.Park和C.E.Priebe。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（2）：344-3542017年·Zbl 1450.62040 ·doi:10.3150/15-BEJ789
[45] M.Tang、A.Athreya、D.L.Sussman、V.Lyzinski和C.E.Priebe。随机点积图的非参数双样本假设检验问题。，伯努利，23（3）：1599-16302017年·Zbl 1450.62040 ·doi:10.3150/15-BEJ789
[46] J.T.Vogelstein、W.G.Roncal、R.J.Vogelestein和C.E.Priebe。利用信号子图进行图形分类：在统计连接组学中的应用。，IEEE模式分析和机器智能汇刊，35（7）：1539-15512013。
[47] J.Yan、X.Yin、W.Lin、C.Deng、H.Zha和X.Yang。图形匹配最新进展的简要概述。2016年ACM多媒体检索国际会议论文集，第167-174页。ACM，2016年。
[48] J.Yoder、L.Chen、H.Pao、E.Bridgeford、K.Levin、D.E.Fishkind、C.E.Priebe和V.Lyzinski。顶点提名：规范采样和扩展光谱提名方案。，arXiv预印arXiv:1802.049602018·Zbl 1510.62082号 ·doi:10.1016/j.csda.2020.106916
[49] M.Zhu和A.Ghodsi。通过使用剖面似然从碎石图中自动选择尺寸。，计算统计学与数据分析，51（2）：918-9302006·Zbl 1157.62429号 ·doi:10.1016/j.csda.2005.09.010
[50] D。
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。