Python实现谱聚类 SpectralClustering

最新推荐文章于 2024-05-30 11:11:00 发布
最新推荐文章于 2024-05-30 11:11:00 发布
阅读量1.1k 收藏 4
点赞数
分类专栏： 模式识别 文章标签： 聚类 机器学习 人工智能 模式识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_38139098/article/details/106950090
版权

  • 致敬吴恩达老师

  • 对于kmeans等聚类方法，往往局限于欧氏空间的特征关系。如果对于流形上分布的数据使用全局欧氏空间特征，算法就不会收敛，比如下面的moon数据集。

  • 思想：把聚类问题转换成图切割问题，通过图论方法完成优化，得出聚类结果。
    在这里插入图片描述
    *由于模块较多，不便于直接贴出来。代码见个人资源下载链接。
    *运行方法：直接运行 spectral_moon_data.py 即可得到上面的效果！

  • 整体流程：

  1. 利用点对相似性，构建亲和度矩阵
  2. 构建拉普拉斯矩阵
  3. 求拉普拉斯矩阵最小特征值对应的特征向量
  4. 由这些特征向量构成样本的新特征，使用K_Means等聚类方法完成最后的聚类

（以上是引用的模式识别课程PPT

解释一下第四点，聚类完后，要根据索引映射到原始数据集，就可以了。具体实现可以下载我的代码进行学习。

Liu Yaohua 2019.11.28 in UCAS

ANTennaaa
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Spectral clustering（谱聚类）算法的实现
ZHW-鲜橙大AI课题组的博客
04-12 1758
本博文对谱聚类算法的实现过程进行了展示
接下来学习CFSFDP或DPC聚类算法
weixin_30758821的博客
04-08 1275
接下来学习CFSFDP或DPC聚类算法 转载于:https://www.cnblogs.com/helloHKTK/p/10671061.html
谱聚类 - 基于 Python 的实现
最新发布
zwy123987的博客
05-30 344
谱聚类（Spectral Clustering）是一种基于图论的聚类方法，通过对数据点的相似度矩阵进行特征值分解，从而识别出数据中的簇结构。相比于传统的聚类方法，如K-means，谱聚类在处理非线性、复杂结构的数据集时表现尤为出色。： 在特征向量构成的新特征空间中，应用K-means或其他聚类算法对数据点进行聚类。图拉普拉斯矩阵是谱聚类的核心，反映了数据点之间的连接关系。： 我们首先需要计算数据点之间的相似度，可以使用高斯核函数或其他合适的相似度度量方法来构建相似度矩阵。结合本专栏的Kmeans一起使用。
聚类分析-Python
qingsi11的博客
07-13 910
聚类分析-Python K-均值聚类 #读取数据 import psycopg2 import os import pandas as pd import numpy as np #import math from sklearn.cluster import KMeans #from sklearn import metrics import matplotlib.pyplot as plt #from sklearn.cluster import DBSCAN #from sklearn import
数据挖掘——谱聚类（spectral clustering）基本原理及python实现
潘多拉星系的专栏
12-26 1万+
文章目录一、前言二、基本原理(一) 无向权重图1、 邻接矩阵 W2、 度 D（二）相似矩阵1、ϵ-邻近法2、K邻近法3、全连接法（三）、拉普拉斯矩阵(2) 拉普拉斯矩阵的性质(三) 无向图切图1、 子图与子图的连接权重2、 切图的目标函数(四) 谱聚类切图1、 RatioCut切图2、 Ncut切图三、谱聚类算法流程四、python实现五、谱聚类算法总结参考资料： 一、前言   谱聚类（spect...
简单易学的机器学习算法——谱聚类(Spectal Clustering)
热门推荐
null的专栏
05-15 2万+
一、复杂网络中的一些基本概念 1、复杂网络的表示     在复杂网络的表示中，复杂网络可以建模成一个图，其中，表示网络中的节点的集合，表示的是连接的集合。在复杂网络中，复杂网络可以是无向图、有向图、加权图或者超图。 2、网络簇结构     网络簇结构(network cluster structure)也称为网络社团结构(network community structure)，是复杂
spectral clustering谱聚类_spectralclustering_聚类_谱聚类_
09-29
在Python中，我们可以使用`scipy`库的`spectral_clustering`函数来实现谱聚类。 首先，让我们详细了解一下谱聚类的基本步骤： 1. **构建相似度矩阵**：根据数据集中的样本，计算它们之间的相似度。常用的相似度...
SpectralClustering:谱聚类的简单实现
06-16
git clone https://github.com/alamages/SpectralClustering.git cd SpectralClustering mkdir build && cd build qmake .. 信息 该代码支持特征向量和无向未加权图聚类。 输入向量必须以 libsvm 格式提供。 输入...
SpectralClustering:光谱聚类的Python实现
05-09
在Python中，sklearn库提供了`SpectralClustering`类，使得光谱聚类的实现变得简单。以下是一个基本的使用示例： ```python from sklearn.cluster import SpectralClustering import numpy as np # 假设我们有数据...
python实现谱聚类代码并进行可视化
10-21
在Python中，我们通常使用`scikit-learn`库来实现谱聚类。本篇文章将深入探讨谱聚类的基本原理、Python实现及其可视化。 **谱聚类基础** 谱聚类的核心思想是通过分析数据的相似性矩阵来构建图，然后找到能够最大...
一种谱聚类算法 spectral
11-28
- `SpectralClustering.py`：实现谱聚类算法的Python脚本。 - `data` 目录：存储待处理的数据集。 - `results` 目录：存储聚类结果的输出文件。 - `utils` 目录：包含辅助函数，如相似性矩阵的计算、图的构建等。 - ...
Python聚类分析之sklearn.manifold.TSNE
weixin_44387515的博客
04-25 7486
链接：sklearn.manifold.TSNE TSNE:是可视化高维数据的工具。它将数据点之间的相似性转换为联合概率，并尝试最小化低维嵌入和高维数据的联合概率之间的Kullback-Leibler差异。t-SNE的成本函数不是凸的，即使用不同的初始化，我们可以获得不同的结果。 调用代码： from sklearn.manifold import TSNE class sklearn.manifold.TSNE(n_components=2, *, perplexity=30.0, early_exag
10 种 Python 聚类算法及python实现
qq_19462847的博客
03-16 6642
10 种 Python 聚类算法及python实现 10 种 Python 聚类算法及python实现 聚类分析的定义 聚类分析是一种无监督的机器学习任务，从现有的数据实现对数据的自然分组，在特征空间中找到群组，只解释输入变量，不对数据进行预测。 聚类的结果往往是特征空间的密度区域，来自于群组的示例比其他样本点更接近于质心，可以有边界或者范围。 聚类分析解决的问题 1、基于行为发现客户群； 2、将正常数据与异常值和异常行为分开； 3、可以用作市场细分或者用户细分； 4、聚类还可用作特征工程的类型，其中现有
ncut算法python实现
军军的博客
01-27 4741
normalized cut算法python实现，只是针对二维数据点： # encoding=utf-8 import numpy as np import matplotlib.pyplot as plt from scipy import linalg as LA from sklearn.cluster import KMeans from sklearn.datasets import
Python计算机视觉第九章 图像分割
Yangshengmig_zZ
09-06 1420
图像分割1 图割（Graph Cut）1.1 从图像创建图 图像分割是将一幅图像分割成有意义区域的过程。区域可以是图像的前景与背景或图像中一些单独的对象。这些区域可以利用一些诸如颜色、边界或近邻相似性等特征进行构建。本章中，我们将看到一些不同的分割技术。 1 图割（Graph Cut） 图论中的图（graph）是由若干节点（有时也称为顶点）和连接节点的边构成的集合。下图给出了一个示例。边可以是有向的或无向的，并且这些可能有与它们相关联的权重。 图割是将一个有向图分隔成两个互不相交的集合，可以用来解决很多计
Tcl+Python学习笔记（一）
ncut_nwpu的博客
10-25 6696
一、tcl脚本在加载dll时，对于32位和64位的dll，对tcl版本有要求。使用tcl86出现如下错误： 卸载tcl86，重新安装tcl84可以解决这一问题。 二、Tcld的load命令指定路径时使用反斜杠，如： load C:/Users/Administrator/Desktop/test/********.dll 三、python中调用tcl是通过加载T
Scipy聚类包
宁静以致墨的专栏
07-30 921
from scipy.cluster.vq import * #import scipy import numpy #import matplotlib.pyplot as plt from matplotlib.pyplot import * class1 = 1.5*numpy.random.randn(100,2) class2 = numpy.random.randn(100,2) +
谱聚类--SpectralClustering
lming_08技术博客
06-02 4097
谱聚类一般会先对两两样本间求相似度， 然后根据相似度矩阵求出拉普拉斯矩阵，然后将每个样本映射到拉普拉斯矩阵特诊向量中，最后使用k-means聚类。 scikit-learn开源包中已经有现成的接口可以使用，具体见 http://scikit-learn.org/dev/modules/generated/sklearn.cluster.SpectralClustering.html#sklea
小白学习机器学习===谱聚类之NCut切图
hx14301009的博客
05-07 6190
Ncut       Ncut切法实际上与Ratiocut相似，但Ncut把Ratiocut的分母|Ai|换成vol(Ai)(Vol(Ai)表示子集A中所有边的权重之和)，这种改变与之而来的，是L的normalized，这种特殊称谓会在下文说明，而且这种normalized，使得Ncut对于spectral clustering来说，其实更好，下文会说明。        同样，Ncut的目标，也是...
python实现谱聚类
06-07
Python中实现谱聚类的一种方法是使用scikit-learn库。下面是一个简单的代码示例： ```python from sklearn.cluster import SpectralClustering import numpy as np # 构造数据 X = np.array([[1, 1], [2, 1], [1, ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值