论文学习的各种点

因为自己现在还是处于一个学习的阶段，很多机器学习，模式识别的基本概念和方法还是不甚了了，所以看论文时遇到不少阻路石。这些阻路石正好是我进步的阶梯，我要一个个的克服他们，如此，方可一步步的走入研究的殿堂里。否则，一直都是门外汉，在转圈圈。
日知其所无，月无忘其所能。

1.LDA学习：
http://www.cnblogs.com/zhangchaoyang/articles/2644095.html

2.聚类的accuracy,如何评判聚类结果的好坏。
论文中用到了NORMALIZED MUTUAL INFORMATION来比较各种“谱聚类”的结果。
关于聚类结果的评判，维基中cluster analysis 下有讲到：
https://en.wikipedia.org/wiki/Cluster_analysis#External_evaluation

3.互信息，mutual information.
按理说，这是以前信息论学过的东西，但是现在脑海中只剩下一个名词了。指什么已经完全不记得。同样，在维基中找到他的定义。
下面这个连接讲了normalized mutual information……
http://nlp.stanford.edu/IR-book/html/htmledition/evaluation-of-clustering-1.html
I measures the amount of information by which our knowledge about the classes increases when we are told what the clusters are.
为了对cluster的数目tradeoff,所以对互信息做了归一化处理，除以[H(A)+H(B)]/2

4.谱聚类
之前看一篇论文，用谱哈希做QBH。但是当时没有太多关注谱聚类的东西。
可以参看下面的讲解：
http://blog.csdn.net/zwwkity/article/details/8573765

5.manifold
流形学习
http://blog.csdn.net/chl033/article/details/6107042
假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。