谱聚类1

其实去年就在同学们的组织下学习过了谱聚类，无奈忘记完了，最近遇到基于LRR以及SPARSE的子空间聚类都需要用到谱聚类在最后一步来做，于是拿出来复习下。因为主要是复习，所以不讲那么多为什么，只讲一些概念和结论，具体证明过程如果有需要了再去翻看下书。

1：一堆数据点，任何两个点之间都可能有关系，我们可以想象成我们本科学过的数据结构中的图的概念，就是很多点以及某些点之间的连接关系(边)来描述：G=F(V,E)，V代表定点，E代表定点之间的边，边可以用一个点对来描述比如(x1,x2)就代表了点x1和点x2有一条边连接他们。

2：概念：

相似图：其实指的就是一个类似邻接矩阵，只是任意两点之间的关系的刻画不同，刻画这种关系的方式有很多中，我今天这里选择了（KNN），在树上介绍有3中的。KNN出来的其实是有向图，但是作了个转化变成了无向图，相似度下面都用权重来表示，用W表示。

权重图：是一个对角矩阵，每个元素代表了该点和其它个点的权值之和，用D表示，用matlab来表示的话就是D = sum(W, 1)， D=diag(D)。

图拉普拉斯：这个地方也说明一下，这个概念每个地方都不同的定义，这个地方定义为L = D -W；（分很多种的我这里只列出来了一种，也是最简单的一种）

3：L的特征值为0的个数，就是之前数据中独立的子图个数，其实我们做的就是找到这些子图。

实验：我就要做个实验看下以上内容是不是真实的，如果是别的我再继续做下去：

1：我随机产生4组数字，都是按照高斯分布来产生，只是中心点不一样，分别为2,4,6,8.看生成样本的直方图：

2：根据算法生成了W,D和L，我求得L的前10个特征值，看我画出来之后

可以很清晰的看到我的0特征值有4个，根据最前面的产生的数据可以知道，我的数据也就是4组。。

其余的我接着搞，再来补充