利用归一化割的渐近值改进谱聚类
机器学习
2019-11-12 v2
摘要
谱聚类是一种流行且通用的聚类方法，它基于归一化图割目标的松弛。然而，尽管其广受欢迎，但目前尚无统一的方法来调节重要的缩放参数，也无自动确定要提取的聚类数的方法。虽然存在一些常用的启发式方法，但相应的理论结果十分匮乏。在本文中，我们研究了假设来自潜在概率分布且样本量不断增大时，归一化割的渐近值，并基于该结果为改进谱聚类方法提供了建议。我们提出了一种具有优异经验性能的相应算法。
引用
@article{arxiv.1703.09975,
title = {Improving Spectral Clustering using the Asymptotic Value of the Normalised Cut},
author = {David Hofmeyr},
journal= {arXiv preprint arXiv:1703.09975},
year = {2019}
}
备注
An updated version has been accepted to Journal of Computational and Graphical Statistics