传统聚类算法：用在凸球体性的样本空间中
但是如果样本空间不为凸，算法会陷入局部最优的漩涡
新的聚类算法应运而生：谱聚类
谱聚类：建立在谱图理论基础上。假设数据样本看作图中的顶点V，顶点之间的边E赋予权重值W，得到一个无向加权图G=（V，E）。此图是基于样本之间的相似度的。因此，聚类问题转化成了图划分问题。
常见划分准则：最小割集准则
文章探讨了传统聚类算法在处理非凸样本空间时的局限性，指出这些算法可能会陷入局部最优。为了解决这一问题，文章介绍了谱聚类算法，该算法基于谱图理论，将数据样本转化为无向加权图进行处理，将聚类问题转换为图划分问题，常见的划分标准为最小割集准则。这种方法适用于处理复杂的数据分布情况。
扫一扫
871
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
