谱分析法聚类

谱聚类属于机器学习的一种算法

有几个地方还是不明白，自己写了代码，运行了，正确率降低了。

谱聚类可以用于特征选择来降低维数，‘抓住主要矛盾，忽略次要矛盾’

方法：1、求相似度矩阵即带权领接矩阵Sij：（1）K近邻矩阵，求得与i样本最近的K个样本的权，保存在矩阵中，与其余的样本的权都舍弃为0

                                                                          （2）阈值，设定阈值下限，低于阈值的舍弃

            第一种方法求得的不是对称矩阵，不知道对后续运算有没有影响。

           2、拉普拉斯矩阵A-S，归一化拉普拉斯矩阵A^(-1/2)(A-S)A^(-1/2)

           3、求矩阵L=A^(-1/2)*S*A^(-1/2)的K最大特征值对应的特征向量，形成矩阵Q。

           4、对Q进行Kmeans运算

不明白的地方，关于离散值稀疏为连续数值的含义，以及谱分析法的物理意思都没有看懂

K>> [Q,V]=eigs(L,K);
K>> [IDX,C]=kmeans(Q,K);