谱聚类原理简述（含实验代码）

Spectral clustering(谱聚类) 是一种基于图论的聚类方法，它能够识别任意形状的样本空间并收敛于全局最优解。其基本的思想是将样本数据进行相似性计算得到相似度矩阵，然后将相似矩阵转换到Laplacian 矩阵 (拉普拉斯矩阵)，做 Laplacian 矩阵的特征值分解，将得到的前 k 个特征向量按列排序后按行做 k − means 聚类，得到最终的聚类结果。

由于谱聚类有很强的数学逻辑推理，涉及的数学推导不便在网上展示，笔者编写了一篇简述，已经分享在了https://github.com/ArrowLuo/Spectral_cluster_matlab/blob/master/谱聚类原理简述.pdf

感兴趣的读者可以下载学习，欢迎交流。

顺便将实验数据和matlab代码开源在了https://github.com/ArrowLuo/Spectral_cluster_matlab

上图是正在实现的java可视化界面。

对可视化感兴趣的读者也可以参考笔者的FCM算法可视化https://github.com/ArrowLuo/FCMFrame