Спектрално клъстериране
Спектралното клъстериране е базиран на графи алгоритъм за ненадзиравано обучение, формализиран от Ng, Jordan и Weiss през 2002 г., който картографира точките от данни в нискоизмерно собствено пространство, изведено от Лапласиана на графа на сходство, преди да приложи k-средни. Това спектрално вграждане прави възможно възстановяването на клъстери с произволна форма — пръстени, полумесеци, преплетени спирали — които методите, базирани на евклидово разстояние, последователно не успяват да разделят.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Източници
- Ng, A. Y., Jordan, M. I., & Weiss, Y. (2002). On Spectral Clustering: Analysis and an Algorithm. Advances in Neural Information Processing Systems, 14, 849–856. link ↗
- von Luxburg, U. (2007). A Tutorial on Spectral Clustering. Statistics and Computing, 17, 395–416. DOI: 10.1007/s11222-007-9033-z ↗
- Shi, J., & Malik, J. (2000). Normalized Cuts and Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888–905. DOI: 10.1109/34.868688 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/bg/machine-learning/spectral-clustering
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- DBSCANМашинно обучение↔ compare
- Йерархично групиранеМашинно обучение↔ compare
- K-means клъстеризацияМашинно обучение↔ compare
- Анализ на главните компонентиМашинно обучение↔ compare
- t-SNEМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →