Spektrale Clusteranalyse
Die Spektrale Clusteranalyse ist ein graphenbasierter unüberwachter Lernalgorithmus, der 2002 von Ng, Jordan und Weiss formalisiert wurde. Er bildet Datenpunkte in einen niedrigdimensionalen Eigenraum ab, der aus dem Laplace-Operator des Ähnlichkeitsgraphen abgeleitet wird, bevor k-means angewendet wird. Diese spektrale Einbettung ermöglicht es, Cluster beliebiger Form – Ringe, Halbmonde, verschachtelte Spiralen – zu erkennen, die euklidische distanzbasierte Methoden konsequent nicht trennen können.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/de/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.
- DBSCANMaschinelles Lernen↔ compare
- Hierarchische ClusteranalyseMaschinelles Lernen↔ compare
- K-means ClusteringMaschinelles Lernen↔ compare
- HauptkomponentenanalyseMaschinelles Lernen↔ compare
- t-SNEMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →