Phân cụm phổ
Phân cụm phổ là một thuật toán học không giám sát dựa trên đồ thị, được Ng, Jordan và Weiss chính thức hóa vào năm 2002, ánh xạ các điểm dữ liệu vào một không gian riêng có số chiều thấp có nguồn gốc từ ma trận Laplacian của đồ thị tương đồng trước khi áp dụng k-means. Việc nhúng phổ này cho phép khôi phục các cụm có hình dạng tùy ý — vòng tròn, hình lưỡi liềm, xoắn ốc xen kẽ — mà các phương pháp dựa trên khoảng cách Euclid liên tục thất bại trong việc phân tách.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
+5 nữa
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Spectral Clustering via Graph Laplacian Eigenvectors (Ng–Jordan–Weiss Algorithm). ScholarGate. https://scholargate.app/vi/machine-learning/spectral-clustering
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- DBSCANHọc máy↔ so sánh
- Phân cụm phân cấpHọc máy↔ so sánh
- Phân cụm K-meansHọc máy↔ so sánh
- Phân tích thành phần chínhHọc máy↔ so sánh
- t-SNEHọc máy↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →