אשכול ספקטרלי
אשכול ספקטרלי הוא אלגוריתם למידה בלתי מונחה מבוסס גרפים, שגובש על ידי Ng, Jordan, ו-Weiss בשנת 2002, הממפה נקודות נתונים למרחב-עצמי (eigenspace) בעל ממד נמוך הנגזר מהלפלסיאן של גרף הדמיון, לפני הפעלת k-means. הטמעה ספקטרלית זו מאפשרת לשחזר אשכולות בעלי צורה שרירותית — טבעות, סהרונים, ספירלות שזורות — ששיטות המבוססות על מרחק אוקלידי נכשלות באופן עקבי להפריד.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/he/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.
- DBSCANלמידת מכונה↔ compare
- אשכול היררכילמידת מכונה↔ compare
- אשכול K-meansלמידת מכונה↔ compare
- ניתוח רכיבים עיקרייםלמידת מכונה↔ compare
- t-SNEלמידת מכונה↔ compare