文献

J-GLOBAL ID：201702232197479918   整理番号：17A1729985

確率的ブロック分配ストリーミンググラフ取り組み(arXivの予備的バージョン)のための前処理付きスペクトルクラスタリング【Powered by NICT】

Preconditioned spectral clustering for stochastic block partition streaming graph challenge (Preliminary version at arXiv.)

著者 (2件)： Zhuzhunashvili David (University of Colorado, Boulder, Colorado) ,  Knyazev Andrew (Mitsubishi Electric Research Laboratories (MERL), 201 Broadway, 8th Floor, Cambridge, MA 02139-1955)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： HPEC  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 局所最適ブロック前処理共役勾配法(LOBPCG)は,スペクトルクラスタリングに現れるグラフラプラシアンの固有値問題を効率的に解くことを実証した。静的グラフ分割のために,前条件づけを行わないLOBPCGの10 20反復は~10×誤差低減をもたらし,5K/0.1M(50K/1M)頂点/エッジ2(7)秒でを持つグラフに対する既知の真実隔壁を有するすべての挑戦データセットに対して100%の正解率を達成し,例えば,ベースラインPythonコードが必要で5,000(30,000)秒と比較して十分であった。Pythonコード100%が記憶の10GB(50GB)を用いた270(1,700)秒で0.5M(2m)頂点を持つ挑戦静的グラフから98(160)クラスタを正確に描出した。単精度MATLABコードは半時間とメモリで同じクラスターを計算した。ストリーミンググラフ分割のために,LOBPCGは以前のグラフに対して計算した既にグラフラプラシアンの近似固有ベクトルにより開始され,多くの場合2 3倍数必要LOBPCG反復の静的な場合と比較してを低減することである。スペクトルクラスタリングは汎用性で,すなわち,チャレンジのためのグラフを作成するために用い,塩基コードとは対照的にブロックモデルまたはストリーミングの特異的nothingを仮定しない。それにもかかわらず,5Kグラフの基礎コードを用いた10段流動比較,クラスタの品質は同等またはより良い新興エッジング(雪だるま式)ストリーミングのためのステージ4(7)で始まるが,計算はより速い100 1000以上である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *前処理 ,  共役勾配法 ,  近似法 ,  固有値問題 ,  *クラスタ ,  汎用性 ,  *ストリーミング ,  記憶装置 ,  *グラフ ,  固有ベクトル
準シソーラス用語： MATLAB ,  Python ,  グラフ分割 ,  グラフラプラシアン ,  *スペクトラルクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 確率 ,  分配 ,  ストリーミング ,  グラフ ,  スペクトルクラスタリング