本研究针对典型的谱聚类算法,探讨在一些较弱条件下其性能为何,还研究了利用少于 k 个特征向量进行嵌入的谱聚类,实验表明在合成和真实数据上,使用少于 k 个特征向量时,谱聚类也能够产生相当或更好的结果。
Aug, 2022
本研究提出了一种基于顶点嵌入的简单谱聚类算法,通过幂法计算的向量,在接近线性时间内计算顶点嵌入,并在输入图形的自然假设下,算法能够可靠地恢复出真实聚类结果。通过在多个合成和现实世界数据集上的评估发现,该算法与其他聚类算法相比,具有显著更快的速度,并且产生的聚类准确度基本相同。
Oct, 2023
该论文介绍了谱聚类算法和图拉普拉斯的基本性质,推导了不同的谱聚类算法,比较了它们之间的优缺点。
Nov, 2007
通过提出基于组合 Laplacian 的图谱聚类结果的解释方法,实现了将聚类结果与文本内容之间的桥梁构建, 找到了与文档内容相关的谱聚类的解释方法。
Aug, 2023
本文提出了一种基于稀疏图的归一化割方法,该方法通过添加颜色节点至简单的网格图中对图像进行分割,实验结果表明该方法在图像分割方面表现优于传统的光谱算法。
Jun, 2023
本篇论文提出了一种名为 SpectralNet 的深度学习方法,通过在大量的未标注数据上训练,将输入的数据转换为与其相连的图拉普拉斯矩阵的特征空间的向量,并成功地应用于谱聚类,实现了对谱聚类中可扩展性以及广义化转化的双重突破。
Jan, 2018
该研究论文讨论了谱聚类算法在大型随机分布数据集上的表现,提供了一种能够找到数据集潜在密度规律的谱聚类算法,并通过引入 Cheeger-Buser 不等式为所有随机分布提供新的支持。
May, 2023
基于非回溯行走的新型谱算法优于传统谱聚类算法,特别是对于稀疏网络,因维护大量特征值与社区相关,因此在社区探测方面更为优异。
Jun, 2013
通过将数值和类别信息结合到谱聚类算法中,本文提出一种新的方法来处理混合数据,避免了数据预处理或使用复杂的相似性函数,并展示了相应的聚类目标函数和线性时间复杂度的算法。与其他相关方法相比,实验证明该算法在性能和运行时间上具有竞争力。
Mar, 2024
ASC 是一种用于图分区的启发式算法,其包含两个子程序,即通过幂方法计算近似的谱嵌入,并使用近似的 k-means 聚类算法对 resulting vector set 进行分区,通过其得到的 k-means 分区自然地引发了 G 中的 k-way 节点划分。
Sep, 2015