स्पेक्ट्रल क्लस्टरिंग
स्पेक्ट्रल क्लस्टरिंग एक ग्राफ-आधारित अनपर्यवेक्षित शिक्षण एल्गोरिथम है, जिसे 2002 में Ng, Jordan, और Weiss द्वारा औपचारिक रूप दिया गया था, जो डेटा बिंदुओं को समानता ग्राफ के लाप्लासियन से प्राप्त निम्न-आयामी आइगेनस्पेस में मैप करता है, इससे पहले कि k-means लागू किया जाए। यह स्पेक्ट्रल एम्बेडिंग मनमाने आकार के क्लस्टर - छल्ले, अर्धचंद्राकार, परस्पर जुड़े सर्पिल - को पुनः प्राप्त करना संभव बनाता है जिन्हें यूक्लिडियन दूरी-आधारित विधियाँ लगातार अलग करने में विफल रहती हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/hi/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.
- DBSCANमशीन अधिगम↔ compare
- पदानुक्रमिक समूहनमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- प्रिंसिपल कंपोनेंट एनालिसिसमशीन अधिगम↔ compare
- टी-एसएनईमशीन अधिगम↔ compare