谱聚类是一种基于图的聚类算法，通过构建邻接矩阵和拉普拉斯矩阵来表示节点间相似性，然后寻找拉普拉斯矩阵的特征向量进行聚类。其流程包括构建相似性矩阵、计算拉普拉斯矩阵、求解特征向量和应用聚类算法。该方法对相似性度量敏感，且易于数学表述和实现。
聚类模型
1、层次聚类
2、原型聚类-K-means
3、模型聚类-GMM
4、EM算法-LDA主题模型
5、密度聚类-DBSCAN
6、图聚类-谱聚类
六、图聚类-谱聚类
谱聚类是一种定义在图上的聚类算法，与其说是聚类算法，更是一种图的向量表示。基于向量表示之后，一般可以采用其他的聚类方法完成最后聚类结果。所以谱聚类的类表示既依赖于向量表示也与之后采用的聚类算法有关。
对于一个图 G G G，我们一般用点的集合 V V V和边的集合 E E E来描述。即为 G ( V , E ) G(V,E) G(V,E)。其中 V V V即为我们数据集里面所有的点 ( v 1 , v 2 , . . . v m ) (v_1,v_2,...v_{m}) (v1,v2,...vm)。 谱聚类根据图上节点之间的关系（关系度量： ϵ \epsilon ϵ邻域， k k k近邻图，全连接图），构建一个邻接矩阵来描述 m m m个节点之间的相似性：
W = [ w 11 w 12 . w 1 m w 21 . w 2 m . w i j . w m 1 w m 2 . w m m ] W=\begin{bmatrix} w_{11} &w_{12} &. &w_{1m} \\ w_{21}& . & & w_{2m}\\ .& & w_{ij} &.\\ w_{m1}&w_{m2} & .& w_{mm} \end{bmatrix} W=⎣⎢⎢⎡w11w21.wm1w12.wm2.wij.w1mw2m.wmm⎦⎥⎥⎤
由节点之间关系的对称性，显然相似性矩阵 W W W是对称矩阵。现在，我们希望学习到节点的向 量表示 x i , i ​ = ​ 1 , 2.. m x_{i},i\!=\!1,2..m xi,i=1,2..m，使得相似性越大的两个节点 i , j i,j i,j的向量表示 x i , x j ∈ R n x_{i},x_{j} \in R^{n} xi
最低0.47元/天 解锁文章
997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
