Pengelompokan Spektral
Pengelompokan Spektral ialah algoritma pembelajaran tanpa pengawasan berasaskan graf, yang diformalkan oleh Ng, Jordan, dan Weiss pada tahun 2002, yang memetakan titik data ke dalam ruang eigen berdimensi rendah yang diperoleh daripada Laplacian graf keserupaan sebelum menggunakan k-means. Penyematan spektral ini membolehkan pemulihan kelompok berbentuk sewenang-wenangnya — gelang, sabit, lingkaran bersulam — yang kaedah jarak Euclidean secara konsisten gagal memisahkannya.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ms/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.
- DBSCANPembelajaran Mesin↔ compare
- Pencapanian HierarkisPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
- Analisis Komponen UtamaPembelajaran Mesin↔ compare
- t-SNEPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →