谱聚类算法建立在谱图理论基础上与传统的聚类算法相比它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 然后选择合适 的特征向量聚类不同的数据点谱聚类算法最初用于计算机视觉 VLS I 设计等领域 最近才开始用于机器学习中并迅速成为国际上机器学习领域的研究热点 谱聚类算法建立在图论中的谱图理论基础上其本质是将聚类问题转化为图的最优划分问题是一种点对聚类算法对数据聚类具有很好的应用前景
该文提出了一种粗糙谱聚类算法，并将其应用于文本数据挖掘。
This paper proposes a rough spectral clustering algorithm and apply the algorithm on text data mining.
然后分析了各种传统聚类算法在入侵检测中所表现的不足，并引入了谱聚类算法加以解决。
Then introduces spectral clustering algorithm based on deficiencies of variety of traditional clustering algorithms on intrusion detection.
再采用基于互联合矩阵的集成方法，在构造的相似度矩阵上应用谱聚类算法来完成对数据的最后聚类。
Then using the combining method of co-association matrix, the final result is obtained by using spectral clustering algorithm on this matrix.
应用推荐