通过马尔柯映射实现的双随机自适应邻域聚类
原文中文，约300字，阅读约需1分钟。发表于：。基于相似性图的聚类是机器学习和数据科学中的一个基本任务，学习 dually stochastic symmetric 矩阵用于聚类问题是一个重要的挑战。本文通过引入 Marcus 映射将某些稀疏矩阵转化为 dually stochastic symmetric 矩阵，并结合排名约束提出了 ANCMM 算法，有效地解决了聚类问题。此外，我们研究了 Marcus...
该研究提出了一种用于聚合不同信息源的多个聚类的原始方法，通过多层随机块模型（SBM）的混合将具有相似信息的共成员矩阵分组为组件，并将观测分割为不同的聚类。该方法在合成数据、共识聚类和基于张量的大规模复杂网络社区检测算法上进行了比较，并应用于全球食品贸易网络的分析。
