明天19:30 青年科学家-40 | 基于conductance的高效率和高质量的图聚类算法
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入!扫描二维码预约直播(或点击阅读全文预约)✦++活动时间3月1日 19:30-20:30+邀请嘉宾讲者简介林隆龙:博士,副教授,目前任职于西南大学计算机与信息科学学院软件学院。2022年6月于华中科技大学计算机科学与技术学院获博士学位。目前主要研究兴趣包括(时序)社区挖掘、局部聚类、Personalized PageRank计算、图神经网络的
点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
扫描二维码预约直播
(或点击阅读全文预约)
✦+
+
活动时间
3月1日 19:30-20:30
+
邀请嘉宾
讲者简介
林隆龙:
博士,副教授,目前任职于西南大学计算机与信息科学学院软件学院。2022年6月于华中科技大学计算机科学与技术学院获博士学位。目前主要研究兴趣包括(时序)社区挖掘、局部聚类、Personalized PageRank计算、图神经网络的可扩展算法设计等领域。目前发表论文于AAAI,TSMC, ICDCS, TBD, DASFAA, JCST等顶级期刊/会议论文。
报告题目
基于conductance的高效率和高质量的图聚类算法
报告简介
图聚类是一个重要的算法基础,它被广泛的应用在图像分割、社区发现、机器学习等领域。一般地,图聚类旨在将一个完整的图划分为几个互不重叠的簇,使得每个簇的内部有较稠密的边,而簇之间有较稀疏的边。许多图聚类的模型被提出,比如,模块度、结构聚类以及稠密子图。其中,基于conductance的图聚类是当今最为主流的一种方式,它有很好的结构性质以及坚固的理论基础。然而,目前的基于conductance的图聚类算法面临可扩展性低和质量差的困境。为了更好的解决上述困境,我们提出了一种基于peeling的贪婪计算框架,它能囊括现存方法的计算范式。基于该框架,我们提出了一个高效率的启发式算法PCon_core和一个高效率和高质量的近似算法PCon_de。其中,PCon_de具有线性的时间复杂度和近似线性的近似比。
请添加“AI TIME小助手(微信号:AITIME_HY)”,回复“AAAI”,将拉您进群!
AI TIME微信小助手
往期精彩文章推荐
记得关注我们呀!每天都有新知识!
关于AI TIME
AI TIME源起于2019年,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索,加强思想碰撞,链接全球AI学者、行业专家和爱好者,希望以辩论的形式,探讨人工智能和人类未来之间的矛盾,探索人工智能领域的未来。
迄今为止,AI TIME已经邀请了900多位海内外讲者,举办了逾450场活动,超500万人次观看。
我知道你
在看
哦
~
点击 阅读原文 预约直播!
更多推荐
所有评论(0)