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) .