Hochdimensionale Spektralclusterung im Gaußschen Mischungsblockmodell
In hochdimensionalen Gaußschen Mischungsblockmodellen können kanonische Spektralalgorithmen die latenten Einbettungsvektoren der Knoten sowie die Clusterzugehörigkeit der Knoten effizient schätzen, sofern die Dimension nicht zu groß im Verhältnis zur Netzwerkgröße ist und die Trennung zwischen den Clustern groß genug ist.