Clustering Spectral
Clusteringul spectral este un algoritm de învățare nesupervizată bazat pe grafuri, formalizat de Ng, Jordan și Weiss în 2002, care mapează punctele de date într-un spațiu propriu de dimensiune redusă derivat din Laplacianul grafului de similaritate înainte de a aplica k-means. Această încorporare spectrală face posibilă recuperarea clusterelor de formă arbitrară — inele, semilune, spirale intercalate — pe care metodele bazate pe distanța euclidiană nu reușesc să le separe în mod constant.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/ro/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.
- DBSCANÎnvățare automată↔ compare
- Clustering IerarhicÎnvățare automată↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- Analiza Componentelor PrincipaleÎnvățare automată↔ compare
- t-SNEÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →