k-means和spectral clustering 谱聚类总结

1. k-means

目标函数：

其中i表示第i簇，共有k簇，ni表示划分为第i簇的数据点数量，x_i_j 表示第i簇第j个数据， u_i表示第i簇的中心值，。
算法：
（1）设置k个样本中心点，将所有样本点划分为距离其最近样本中心的集合中。
（2）根据划分的数据集更新样本的中心点。
直至样本中心点不再变化（数据划分无差别）或所有样本点距离其划分的样本中心距离之和达到最小值即为结束。

注：（1）K-means目标函数与降维中LDA的Sw形式一致！！！
（2）k-means的目标函数与谱聚类中Ncut松弛形式一致等价！

2. spectral clustering

2.1 谱聚类图的构建

主要可以分为三种ε-近邻、全连接、k近邻。
W为对称矩阵。

2.2 谱聚类的基础理论