基于拉普拉斯算子的谱聚类算法 文章目录 基于拉普拉斯算子的谱聚类算法 1. 信息增益的度量 2. 谱聚类: 寻找最优的函数向量 f \boldsymbol{f} f 2.1 : 寻找一个最优的函数向量 f \boldsymbol{f} f 2.2 寻找鲁棒性更强的多个函数向量 2.3 谱聚类(spectral clustering)算法 小结 1. 信息增益的度量 由于数据集 X = [ x 1 , x 2 , ⋯ , x n ] X=[\boldsymbol{x}_1, \boldsymbol{x}_2, \cdots, \boldsymbol{x}_n]
超级会员免费看
本文详细介绍了基于拉普拉斯算子的谱聚类算法，通过信息增益的度量方法，寻找最优的函数向量f，并探讨了如何寻找鲁棒性更强的多个函数向量，以实现更有效的数据聚类。算法核心是求解拉普拉斯矩阵的特征向量，对应最小特征值的特征向量用于数据集的划分。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
