Local Graph Clustering with Network Lasso

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

4 Lataukset (Pure)

Abstrakti

We study the statistical and computational properties of a network Lasso method for local graph clustering. The clusters delivered by nLasso can be characterized elegantly via network flows between cluster boundaries and seed nodes. While spectral clustering methods are guided by a minimization of the graph Laplacian quadratic form, nLasso minimizes the total variation of cluster indicator signals. As demonstrated theoretically and numerically, nLasso methods can handle very sparse clusters (chain-like) which are difficult for spectral clustering. We also verify that a primal-dual method for non-smooth optimization allows to approximate nLasso solutions with optimal worst-case convergence rate.

AlkuperäiskieliEnglanti
Artikkeli9298875
Sivut106-110
Sivumäärä5
JulkaisuIEEE Signal Processing Letters
Vuosikerta28
Varhainen verkossa julkaisun päivämäärä2020
DOI - pysyväislinkit
TilaJulkaistu - 2021
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Local Graph Clustering with Network Lasso'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä