2月6日 | 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

2月6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！