![57ab4b91139de87566fcb265ff8a2419.png](https://i-blog.csdnimg.cn/blog_migrate/ec844f92cf43cfb0d4e9a2d50d89a072.jpeg)
引言
本节更加关注,基于举证计算和线性代数的相关算法。而相关矩阵包括:邻接矩阵和图拉普拉斯矩阵。在进入具体谱聚类算法介绍前,有必要先熟悉下相关矩阵、特征值和特征向量等相关知识。
一、线性代数矩阵知识
![6f1aa09952cd22f51ea13cad6aa8dcbe.png](https://i-blog.csdnimg.cn/blog_migrate/4e135d05b22531690b72996bfe7b0a31.jpeg)
![b76092ccafbb17334178c62ab824c3fb.png](https://i-blog.csdnimg.cn/blog_migrate/94d50679b5cf720ad2fb0a8c62ff47b0.png)
1.1图的矩阵表示
先复习下图的矩阵表示形式。对于对于无向图
- 邻接矩阵
- 度矩阵
- 拉普拉斯矩阵
![d676b8d479eada8ed319bd8a5e48df21.png](https://i-blog.csdnimg.cn/blog_migrate/1a88b4112523773bfad725da05f31f22.jpeg)
![3888aaf7a99ddb01d9e2f252946afad2.png](https://i-blog.csdnimg.cn/blog_migrate/2543eddfbedae778e377d7cdc1f19a68.jpeg)
![af40cd19e60a26a8c634a1b8c159b0c9.png](https://i-blog.csdnimg.cn/blog_migrate/a92d6517ce74c8522b8d7b9b58c06541.jpeg)
其中拉普拉斯矩阵的性质,是由其实对称举证性质决定的。 其中有一点,关于特征值大于等于0(半正定)的证明如下:
![1f2fdcfbb160d6ae56f2aee50dba35c3.png](https://i-blog.csdnimg.cn/blog_migrate/d36d2ac7024ea9892f1bd3268ed944d5.jpeg)
来源:
http://www.sofasofa.io/forum_main_post.php?postid=1004484
二、一些概念
下面,补充些关于谱图相关的概念。
2.1 什么是谱(Spectral)
谱的定义:谱就是指矩阵特征值的集合。该名称来自光谱,指一些纯事物的集合,就像将矩阵分解成为特征值与特征向量。定义谱半径
为该方阵最大的特征值。
在谱图里面实际上矩阵指拉普拉斯矩阵
特征值
和
特征向量
的分解称为
谱分解
.(特征分解,对角化,谱分解是一个概念)
谱图理论(Spectral graph partitioning)
图谱论是指分析图G的矩阵表示的“频谱
”。 频谱是指由其对应的特征值
的大小升序排序的一组图的特征向量
:
- https://zhuanlan.zhihu.com/p/81502804
2.2 图拉普拉斯矩阵的由来?
整个谱图理论都是围绕着图的拉普拉斯矩阵为核心进行展开的,那么为什么将其定义为
其第 i 行其实是第 i 个节点在产生扰动时对其他节点产生的收益累积。
具体可以看下面的链接里的公式推导:
- https://zhuanlan.zhihu.com/p/84649941
2.3 拉普拉斯矩阵和拉普拉斯算子之间关系?
拉普拉斯矩阵是离散的拉普拉斯算子。 具体分析参考下文
- https://zhuanlan.zhihu.com/p/85287578
2.4 拉普拉斯算子的物理含义?
根据定义,函数
散度
。
拉普拉斯算子实际上衡量了在空间中的每一点处,该函数梯度(向量场)是倾向于增加还是减少.
- https://zhuanlan.zhihu.com/p/67336297
3. 图划分
3.1 图划分与社区发现之间联系与区别
3.1.1 联系
图划分(graph partitioning)与社区发现(community detection):二者都是根据网络中的边的连接模式,把网络中的顶点划分成群组、簇或者社区。使得同一群组间节点紧密连接,而不同群组间只有少数的边。
3.1.2 区别
- 图划分得到的
群组的数量
基本是确定的,而社区发现是不确定的。 - 另外,从
目的角度
看,前者的目的通常是将网络划分为更多更小的块,为了划分而划分。没有好的划分,也要尽量在不好的划分中选择一种。而社区发现则是为了了解网络结构,没有符合条件的划分可以不划分。
这小节,算是铺垫。具体图划分以及谱聚类放到下一小结,再做讨论。
参考文章
- GNN教程:第六篇Spectral算法细节详解!
- https://zhuanlan.zhihu.com/p/85287578
- https://zhuanlan.zhihu.com/p/84649941
- https://zhuanlan.zhihu.com/p/81502804
- https://linalg.apachecn.org/#/docs/chapter21
- https://www.cnblogs.com/xingshansi/p/6702188.html?utm_source=itdadao&utm_medium=referral
- http://www.cs.yale.edu/homes/spielman/sgta/SpectTut.pdf
- http://www.math.ucsd.edu/~fan/wp/cheeger.pdf
![40f92e9954662728e3f00efd078744e3.png](https://i-blog.csdnimg.cn/blog_migrate/d368444f7f6e129368712d159d0767db.jpeg)