EncodingLee的博客

谱聚类是一种基于图论和线性代数的聚类方法，它利用数据的相似性构造图结构，并通过谱分解（特征值分解）来进行聚类。相较于传统的 K-Means 方法，谱聚类能够更好地处理非凸形状的簇，尤其适用于高维、非线性可分的数据。谱聚类的发展经历了多个关键阶段，从早期的图划分问题到现代机器学习中的应用，主要包括以下几个方面：1）图划分理论的起源谱聚类的思想起源于图割问题，研究如何将图划分为若干个连通性较强的子图。早期方法包括 最小割、均衡割和归一化割等。2）线性代数方法的引入。

曲率是由莱布尼茨和惠更斯在17世纪提出。它是数学中用于描述曲线弯曲程度的核心概念，反映了曲线在某一点的“弯曲特性”。