python实现谱聚类，NJW算法

最新推荐文章于 2024-06-30 09:24:04 发布

ASD991936157

最新推荐文章于 2024-06-30 09:24:04 发布

阅读量8k

点赞数 6

本文链接：https://blog.csdn.net/ASD991936157/article/details/54314853

版权

本文介绍了如何使用Python实现谱聚类中的NJW(Normalized Cuts and Spectral Clustering)算法，通过简洁的代码示例展示了算法的核心步骤。

摘要由CSDN通过智能技术生成

代码中有注释：

# encoding=utf-8
import matplotlib.pyplot as plt
import numpy as np
from numpy import linalg as LA
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
from sklearn.metrics.pairwise import rbf_kernel
from sklearn.preprocessing import normalize


def similarity_function(points):
    """
    相似性函数，利用径向基核函数计算相似性矩阵，对角线元素置为０
    对角线元素为什么要置为０我也不清楚，但是论文里是这么说的
    :param points:
    :return:
    """
    res = rbf_kernel(points)
    for i in range(len(res)):
        res[i, i] = 0
    return res


def spectral_clustering(points, k):
    """
    谱聚类
    :param points: 样本点
    :param k: 聚类个数
    :return: 聚类结果
    """
    W = similarity_function(points)
    # 度矩阵D可以从相似度矩阵W得到，这里计算的是D^(-1/2)
    # D = np.diag(np.sum(W, axis=1))
    # Dn = np.sqrt(LA.inv(D))
    # 本来应该像上面那样写，我做了点数学变换，