在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在一些情况下,并不能得到理想的聚类结果。基于奇异值分解的谱聚类算法,比现有的谱聚类算法更有效。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类...在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在一些情况下,并不能得到理想的聚类结果。基于奇异值分解的谱聚类算法,比现有的谱聚类算法更有效。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类算法。在基于SVD的谱聚类算法中,奇异向量的选择、聚类个数的选取和高斯核参数σ估计,对于谱聚类的结果有着重要的影响。给出了利用奇异值进行聚类个数的选取和高斯核参数σ估计的公式,以及奇异向量的选择方法。应用基于SVD的谱聚类算法对维吾尔语水平测试数据进行聚类分析,取得了很好的聚类结果 ,可以从中挖掘出更多有价值的信息。展开更多
文摘在谱聚类算法中,采用拉普拉斯矩阵的特征值和特征向量进行聚类,在一些情况下,并不能得到理想的聚类结果。基于奇异值分解的谱聚类算法,比现有的谱聚类算法更有效。给出了一个利用奇异值分解(Singular Value Decomposition,SVD)的谱聚类算法。在基于SVD的谱聚类算法中,奇异向量的选择、聚类个数的选取和高斯核参数σ估计,对于谱聚类的结果有着重要的影响。给出了利用奇异值进行聚类个数的选取和高斯核参数σ估计的公式,以及奇异向量的选择方法。应用基于SVD的谱聚类算法对维吾尔语水平测试数据进行聚类分析,取得了很好的聚类结果 ,可以从中挖掘出更多有价值的信息。