谱聚类算法

1.根据数据构造一个 Graph ，Graph 的每一个节点对应一个数据点，将相似的点连接起来，并且边的权重用于表示数据之间的相似度。把这个 Graph 用邻接矩阵的形式表示出来，记为 。一个最偷懒的办法就是：直接用我们前面在 K-medoids 中用的相似度矩阵作为 。

2.把 的每一列元素加起来得到 个数，把它们放在对角线上（其他地方都是零），组成一个 的矩阵，记为 。并令 。

3.求出前k个最小的特征值和对应的特征向量。 

        L=D-w;
        matrixSize=size(L);
        [v,d]=eig(L);
        d=diag(d);
        v=[v;d']';
        v = sortrows(v,matrixSize+1) ;
        firstKlemda = v(1:3,matrixSize(1));
        firstkVector = v(1:3,1:matrixSize)';

4.将选取的特征向量定义为一个新矩阵，该矩阵每一行为一个样本，根据k-means分类