高斯混合模型及在探測網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)中的應(yīng)用.pdf

1、基于正態(tài)分布的高斯混合模型（Gaussian Mixture Model）是一個很有力的概率建模工具，具有十分重要的理論意義，目前已被廣泛的應(yīng)用于聚類、模式識別、機器學(xué)習(xí)、計算機視覺等眾多領(lǐng)域。論文中我們以高斯混合模型為工具，做了以下的工作。
　　我們提出利用高斯混合模型的方法來研究復(fù)雜網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。論文中我們先利用矩陣奇異值分解(SVD)的方法將網(wǎng)絡(luò)向量化，并且使得到的向量能夠盡量保持網(wǎng)絡(luò)中點與點之間的相似關(guān)系,然后再利用高斯

2、混合模型的方法來探測網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。通過具體的實驗驗證了它具有很高的正確率。此思想提出了一個框架，該框架可以融入其它成熟的向量聚類方法。
　　針對自回歸類型的數(shù)據(jù)，我們在高斯混合模型的基礎(chǔ)上提出了一個基于自回歸的高斯混合模型,并且利用EM算法（Expectation Maximization Algorithm）進行了求解。通過數(shù)據(jù)的推導(dǎo)，我們給出了估計模型中參數(shù)的解析表達式和具體的數(shù)值解法。該算法具有堅實的理論基礎(chǔ)，并且在對自回