研究人员开发了一种模糊网络跳转模型，用于聚类结构为加权图的时间变化数据。该模型结合了空间和时间正则化，以确保跨连接节点和随时间变化的平滑聚类分配。采用高效的交替优化方案进行估计，并通过模拟研究证明了其在恢复隶属度概率方面的准确性，并且优于现有方法。该模型应用于旧金山的交通数据，成功识别了不同的交通模式及其时空演变。 AI
影响 引入了一种分析复杂、时变图数据的新型统计方法，有望改善交通分析等领域的洞察力。
排序理由 该聚类包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
