Spektralklusteranalys
Spektralklusteranalys är en grafbaserad oövervakad inlärningsalgoritm, formaliserad av Ng, Jordan och Weiss år 2002, som avbildar datapunkter till ett lågdimensionellt egenrum härlett från likhetsgrafens Laplacematris innan k-means tillämpas. Denna spektrala inbäddning gör det möjligt att återvinna kluster av godtycklig form – ringar, halvmånar, sammanflätade spiraler – som euklidiska avståndsbaserade metoder konsekvent misslyckas med att separera.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/sv/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.
- DBSCANMaskininlärning↔ compare
- Hierarkisk klustringMaskininlärning↔ compare
- K-means-klustringMaskininlärning↔ compare
- Analys av huvudkomponenterMaskininlärning↔ compare
- t-SNEMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →