谱聚类

谱聚类算法流程

　　

　　　　最常用的相似矩阵的生成方式是基于高斯核距离的全连接方式，最常用的切图方式是Ncut。而到最后常用的聚类方法为K-Means。下面以Ncut总结谱聚类算法流程。

　　　　输入：样本集D=(x1,x2,...,xn)(x1,x2,...,xn) ，相似矩阵的生成方式, 降维后的维度k1k1 , 聚类方法，聚类后的维度k2k2

　　　　输出： 簇划分C(c1,c2,...ck2)C(c1,c2,...ck2) .　

　　　　1) 根据输入的相似矩阵的生成方式构建样本的相似矩阵S

　　　　2）根据相似矩阵S构建邻接矩阵W，构建度矩阵D

　　　　3）计算出拉普拉斯矩阵L

　　　　4）构建标准化后的拉普拉斯矩阵D−1/2LD−1/2D−1/2LD−1/2

　　　　5）计算D−1/2LD−1/2D−1/2LD−1/2 最小的k1k1 个特征值所各自对应的特征向量ff

　　　　6) 将各自对应的特征向量ff 组成的矩阵按行标准化，最终组成n×k1n×k1 维的特征矩阵F

　　　　7）对F中的每一行作为一个k1k1 维的样本，共n个样本，用输入的聚类方法进行聚类，聚类维数为k2k2 。

　　　　8）得到簇划分C(c1,c2,...ck2)C(c1,c2,...ck2) .