机器学习(十一)谱聚类算法
来源:互联网 发布:oracle linux 编辑:程序博客网 时间:2024/05/16 14:33
谱聚类算法
原文地址:http://blog.csdn.NET/hjimce/article/details/45749757
作者:hjimce
一、算法概述
谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 谱聚类的求解方法有很多种,其中比较简单常用的是Nomarlized cut。其算法流程如下:
1、采用knn搜索最近k邻样本,然后构造样本相似度稀疏矩阵W(N,N)(如果不采用knn,那么构造的是全连接图,不是稀疏矩阵,如果样本多的话,求解起来速度就会很慢了),两样本之间的相似度度量可采用如下公式:
这边先定义W的对角线元素为0(Wii=0),然后归一化这个W矩阵的每一行和为1。
2、对W矩阵做归一化处理后,构造归一化的拉普拉斯矩阵L(归一化的拉普拉斯矩阵的对角线元素为1,每一行所有元素和为0),即:
L=I-W
3、求解L矩阵的前k个最小特征值对应的特征向量(k为聚类的个数),然后把这K个特征向量竖着并排在一起,形成一个新的特征向量空间数据E(N,K)的矩阵。这样E每一行对应于原始数据的每一个样本,然后我们对这N行数据做k-means聚类(也可以用其它的聚类方法),得到的聚类结果就是谱聚类的结果。
二、源码实践
聚类结果:参考文献:
1、http://liuzhiqiangruc.iteye.com/blog/2117144
************************作者:hjimce 联系qq:1393852684原创文章,转载请保留作者、原文地址信息*************
0 0
- 机器学习(十一)谱聚类算法
- 机器学习(十一)谱聚类算法
- 白话机器学习算法(十一) GMM
- 白话机器学习算法(十一) GMM
- 机器学习(十一):FP-Tree算法
- 机器学习(十一):K-Means算法
- 白话机器学习算法(二十一)logistic回归
- 白话机器学习算法(二十一)logistic回归
- 机器学习(二十一)
- 机器学习(十一):boosting
- 机器学习总结(十一):深度学习算法(CNN,SAE,等)及常见问题总结
- 机器学习笔记(十一) 机器学习系统的设计
- 机器学习课堂笔记(十一)
- 机器学习(十一) 线性模型
- 机器学习(十一)- Multiclass Classification
- 白话机器学习算法(十一) EM(附三个硬币模型代码)
- 白话机器学习算法(十一) EM(附三个硬币模型代码)
- CSDN机器学习笔记十一 k-近邻算法
- Python str.format()函数
- ButterKnife 8.4 注解框架的使用
- 海伦公式
- 机器学习(十)Mean Shift 聚类算法
- TEE踩坏浮点寄存器引起SF NE
- 机器学习(十一)谱聚类算法
- 典型卷积网络
- xcode编程 设置启动参数
- 关于手机采集摄像头视频socket实时传播 (由服务端采集发送数据)
- 机器学习(十二)朴素贝叶斯分类
- 点滴记录
- 机器学习(十三)k-svd字典学习
- 进制转换栈的实现
- Linux解决Warning: mysql_connect(): Headers and client library minor version mismatch. 警告