在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在某些情况下并不能得到理想的结果。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类算法,用以弥补基于拉普拉斯矩阵的谱聚类算法的不足。实验表明,...
详细信息
在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在某些情况下并不能得到理想的结果。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类算法,用以弥补基于拉普拉斯矩阵的谱聚类算法的不足。实验表明,给出的基于奇异值分解的谱聚类算法比现有的谱聚类算法更有效。在基于SVD的谱聚类算法中,奇异向量的选择、聚类个数的选取和高斯核参数σ的估计,对于谱聚类的结果有着重要的影响。给出了利用奇异值进行聚类个数的选取和高斯核参数σ估计的公式,以及奇异向量的选择方法。
暂无评论