2 dd112233455 dd112233455 于 2017.09.12 16:55 提问

图论--谱聚类算法的具体问题

各位前辈好,学生是一名研究生,最近在研究一些聚类算法,准备将算法与专业结合起来运用。前段时间看到一篇谱聚类算法的论文,对里面的遍历法和割边数量这一块不是很明白,请问有没有前辈对这方面比较熟悉的,想请教一下前辈们。非常感谢~

1个回答

morgerton
morgerton   2017.09.12 18:31
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
谱聚类算法(Spectral Clustering)
谱聚类算法(Spectral Clustering) 谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的。其中的最优是指最优目标函数不同,可以是割边最小分割——如图1的Smallest cut(如后文的Min cut), 也可以是分割规
通俗理解谱聚类算法
谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法。 将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的。 "带权无向图"这个词太学术了,我们换一种叫法,即:相似度矩阵。 假设我们有一个相似度矩阵,矩阵中存的是所有对象的两两相似度。   那么这个矩阵应该有如下性质: 矩阵
谱聚类算法详解
如果说 K-means 和 GMM 这些聚类的方法是古代流行的算法的话,那么这次要讲的 Spectral Clustering 就可以算是现代流行的算法了,中文通常称为“谱聚类”。由于使用的矩阵的细微差别,谱聚类实际上可以说是一“类”算法。 Spectral Clustering 和传统的聚类方法(例如 K-means)比起来有不少优点: 和 K-medoids 类似,Spectral
谱聚类算法及其代码(Spectral Clustering)
简介文章将介绍谱聚类(spectral clustering)的基本算法,以及在matlab下的代码实现。介绍内容将包括: 从图分割角度直观理解谱聚类 谱聚类算法步骤 数据以及实现代码 本文将不会涉及细节化的证明和推导,如有兴趣可参考july大神的文章从拉普拉斯矩阵说到谱聚类.对谱聚类的理解这一节将从图分割聚类的角度直观理解谱聚类。不过,因为本人是从事社交媒体分析的,将从一种社会关系网络的角度来介绍
数据挖掘笔记-聚类-SpectralClustering-原理与简单实现
谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的。其中的最优是指最优目标函数不同,可以是Min Cut、Nomarlized Cut、Ratio Cut等。谱聚类能够识别任意形状的样本空间且收敛于全局最优解,其基本思想是利用样本数据的相似矩阵(拉普
谱聚类原理总结-by刘建平大神
本文转载于http://www.cnblogs.com/pinard/p/6221564.html     谱聚类(spectral clustering)是广泛使用的聚类算法,比起传统的K-Means算法,谱聚类对数据分布的适应性更强,聚类效果也很优秀,同时聚类的计算量也小很多,更加难能可贵的是实现起来也不复杂。在处理实际的聚类问题时,个人认为谱聚类是应该首先考虑的几种算法之一。下面我们就
简单的图论问题(Dijkstra)
O - 简单的图论问题? Time Limit:5000MS     Memory Limit:65535KB     64bit IO Format: Submit Status Description 给一个 n 行 m 列的迷宫,每个格子要么是障碍物要么是空地。每个空地里都有一个权值。你的 任务是从找一条(r1,c1)到(r2,c2
谱聚类(spectral clustering)原理+算法流程--总结
谱聚类(spectral clustering)是广泛使用的聚类算法,比起传统的K-Means算法,谱聚类对数据分布的适应性更强,聚类效果也很优秀,同时聚类的计算量也小很多,更加难能可贵的是实现起来也不复杂。在处理实际的聚类问题时,个人认为谱聚类是应该首先考虑的几种算法之一。下面我们就对谱聚类的算法原理做一个总结。 1. 谱聚类概述     谱聚类是从图论中演化出来的算法,后来在聚类中
谱聚类:Ng算法
文章: On Spectral Clustering: Analysis and an algorithm 作者: Andrew Y. Ng    在算法第二步并没有讲清楚,矩阵A是表示的是各点之间的亲和值?我按照这个算法写了后对于半月形的数据集无法得出好的结果,在参考其他人的资料后,才意识到中途有一个图构造的过程,即取与点xi最邻近的k个点,只保留这一部分信息,来计算
了解 kmeans算法和谱聚类算法
谱聚类算法 kmeans算法 拉普拉斯矩阵 不过真正要直观地理解谱聚类,其实应该从物理的简正模振动的角度来理解。你可以认为每两个点之间都有一个弹簧连着,把两个点之间的相似度理解为它们的弹簧系数,每个特征矢量就是这个系统的运动模式。简单地说,要是点与点之间关联很强,它们就倾向于一起运动,所以就容易被分为一个cluster。