譜聚類算法

該算法首先根據給定的樣本數據集定義一個描述成對數據點相似度的親合矩陣,并且計算矩陣的特征值和特征向量 ， 然后選擇合適 的特征向量聚類不同的數據點。譜聚類算法最初用于計算機視覺 、VLS I 設計等領域， 最近才開始用于機器學習中，并迅速成為國際上機器學習領域的研究熱點。

譜聚類算法建立在圖論中的譜圖理論基礎上，其本質是將聚類問題轉化為圖的最優劃分問題，是一種點對聚類算法，對數據聚類具有很好的應用前景。

雖然根據不同的準則函數及譜映射方法，譜聚類算法有著不同的具體實現方法，但是這些實現方法都可以歸納為下面三個主要步驟：

構建表示對象集的相似度矩陣W；

通過計算相似度矩陣或拉普拉斯矩陣的前k個特征值與特征向量，構建特征向量空間；

利用K-means或其它經典聚類算法對特征向量空間中的特征向量進行聚類。

總結

以上是生活随笔為你收集整理的聚类（下） 谱聚类算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。