转：谱聚类

广义上来说，任何在算法中用到SVD/特征值分解的，都叫Spectral Algorithm。顺便说一下，对于任意矩阵只存在奇异值分解，不存在特征值分解。对于正定的对称矩阵，奇异值就是特征值，奇异向量就是特征向量。

传统的聚类算法，如K-Means、EM算法都是建立在凸球形样本空间上，当样本空间不为凸时，算法会陷入局部最优，最终结果受初始参数的选择影响比较大。而谱聚类可以在任意形状的样本空间上聚类，且收敛于全局最优解。

谱聚类和CHAMELEON聚类很像，都是把样本点的相似度放到一个带权无向图中，采用“图划分”的方法进行聚类。只是谱聚类算法在进行图划分的时候发现计算量很大，转而求特征值去了，而且最后还在几个小特征向量组成的矩阵上进行了K-Means聚类。

Simply speaking，谱聚类算法分为3步：

  1. 构造一个N×N的权值矩阵W，Wij表示样本i和样本j的相似度，显然W是个对称矩阵。相似度的计算方法很多了，你可以用欧拉距离、街区距离、向量夹角、皮尔森相关系数等。并不是任意两个点间的相似度都要表示在图上，我们希望的权值图是比较稀疏的，有2种方法：权值小于阈值的认为是0；K最邻近方法，即每个点只和跟它最近的k个点连起来，CHAMELEON算法的第1阶段就是这么干的。再构造一个对角矩阵D，Dii为W第i列元素之和。最后构造矩阵L=D-W。可以证明L是个半正定和对称矩阵。
  2. 求L的前K小特征值对应的特征向量（这要用到奇异值分解了）。把K个特征向量放在一起构造一个N×K的矩阵M。
  3. 把M的每一行当成一个新的样本点，对这N个新的样本点进行K-Means聚类。

从文件读入样本点，最终算得矩阵L

#include<math.h>

#include<string.h>

#include"matrix.h"

#include"svd.h"

#define N 19        //样本点个数

#define K 4         //K-Means算法中的K

#define T 0.1       //样本点之间相似度的阈值

double sample[N][2];    //存放所有样本点的坐标（2维的）

void readSample(char *filename){

    FILE *fp;

    if((fp=fopen(filename,"r"))==NULL){

        perror("fopen");

        exit(0);

    }

    char buf[50]={0};

    int i=0;

    while(fgets(buf,sizeof(buf),fp)!=NULL){

        char *w=strtok(buf," \t");

        double x=atof(w);

        w=strtok(NULL," \t");

        double y=atof(w);

        sample[i][0]=x;

        sample[i][1]=y;

        i++;

        memset(buf,0x00,sizeof(buf));

    }

    assert(i==N);

    fclose(fp);

}

double** getSimMatrix(){

    //为二维矩阵申请空间

    double **matrix=getMatrix(N,N);

    //计算样本点两两之间的相似度，得到矩阵W

    int i,j;

    for(i=0;i<N;i++){

        matrix[i][i]=1;

        for(j=i+1;j<N;j++){

            double dist=sqrt(pow(sample[i][0]-sample[j][0],2)+pow(sample[i][1]-sample[j][1],2));

            double sim=1.0/(1+dist);

            if(sim>T){

                matrix[j][i]=sim;

                matrix[i][j]=sim;

            }

        }

    }

    //计算L=D-W

    for(j=0;j<N;j++){

        double sum=0;

        for(i=0;i<N;i++){

            sum+=matrix[i][j];

            if(i!=j)

                matrix[i][j]=0-matrix[i][j];

        }

        matrix[j][j]=matrix[j][j]-sum;

    }

    return matrix;

}

int main(){

    char *file="/home/orisun/data";

    readSample(file);

    double **L=getSimMatrix();

    printMatrix(L,N,N);

    

    double **M=singleVector(L,N,N,5);

    printMatrix(M,N,5);

    

    freeMatrix(L,N);

    return 0;

}

L已是对称矩阵，直接奇异值分解的得到的就是特征向量

+

+

最后是运行KMeans的Java代码

package ai;

public class Global {

    //计算两个向量的欧氏距离

    public static double calEuraDist(double[] arr1,double[] arr2,int len){

        double result=0.0;

        for(int i=0;i<len;i++){

            result+=Math.pow(arr1[i]-arr2[i],2.0);

        }

        return Math.sqrt(result);

    }

}

package ai;

public class DataObject {

    String docname;

    double[] vector;

    int cid;   

    boolean visited;

    

    public DataObject(int len){

        vector=new double[len];

    }

    public String getName() {

        return docname;

    }

    public void setName(String docname) {

        this.docname = docname;

    }

    public double[] getVector() {

        return vector;

    }

    public void setVector(double[] vector) {

        this.vector = vector;

    }

    public int getCid() {

        return cid;

    }

    public void setCid(int cid) {

        this.cid = cid;

    }

    public boolean isVisited() {

        return visited;

    }

    public void setVisited(boolean visited) {

        this.visited = visited;

    }

}

package ai;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileReader;

import java.io.IOException;

import java.util.ArrayList;

import java.util.Iterator;

public class DataSource {

    ArrayList<DataObject> objects;

    int row;

    int col;

    public void readMatrix(File dataFile) {

        try {

            FileReader fr = new FileReader(dataFile);

            BufferedReader br = new BufferedReader(fr);

            String line = br.readLine();

            String[] words = line.split("\\s+");

            row = Integer.parseInt(words[0]);

            // row=1000;

            col = Integer.parseInt(words[1]);

            objects = new ArrayList<DataObject>(row);

            for (int i = 0; i < row; i++) {

                DataObject object = new DataObject(col);

                line = br.readLine();

                words = line.split("\\s+");

                for (int j = 0; j < col; j++) {

                    object.getVector()[j] = Double.parseDouble(words[j]);

                }

                objects.add(object);

            }

            br.close();

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

    public void readRLabel(File file) {

        try {

            FileReader fr = new FileReader(file);

            BufferedReader br = new BufferedReader(fr);

            String line = null;

            for (int i = 0; i < row; i++) {

                line = br.readLine();

                objects.get(i).setName(line.trim());

            }

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

    public void printResult(ArrayList<DataObject> objects, int n) {

        //DBScan是从第1类开始，K-Means是从第0类开始

//      for (int i =0; i <n; i++) {

        for(int i=1;i<=n;i++){

            System.out.println("=============属于第"+i+"类的有：===========================");

            Iterator<DataObject> iter = objects.iterator();

            while (iter.hasNext()) {

                DataObject object = iter.next();

                int cid=object.getCid();

                if(cid==i){

                    System.out.println(object.getName());

//                  switch(Integer.parseInt(object.getName())/1000){

//                  case 0:

//                      System.out.println(0);

//                      break;

//                  case 1:

//                      System.out.println(1);

//                      break;

//                  case 2:

//                      System.out.println(2);

//                      break;

//                  case 3:

//                      System.out.println(3);

//                      break;

//                  case 4:

//                      System.out.println(4);

//                      break;

//                  case 5:

//                      System.out.println(5);

//                      break;

//                  default:

//                      System.out.println("Go Out");

//                      break;

//                  }              

                }

            }

        }

    }

}

package ai;

import java.io.File;

import java.util.ArrayList;

import java.util.Iterator;

import java.util.Random;

 

public class KMeans {

 

    int k; // 指定划分的簇数

    double mu; // 迭代终止条件，当各个新质心相对于老质心偏移量小于mu时终止迭代

    double[][] center; // 上一次各簇质心的位置

    int repeat; // 重复运行次数

    double[] crita; // 存放每次运行的满意度

 

    public KMeans(int k, double mu, int repeat, int len) {

        this.k = k;

        this.mu = mu;

        this.repeat = repeat;

        center = new double[k][];

        for (int i = 0; i < k; i++)

            center[i] = new double[len];

        crita = new double[repeat];

    }

 

    // 初始化k个质心，每个质心是len维的向量，每维均在left--right之间

    public void initCenter(int len, ArrayList<DataObject> objects) {

        Random random = new Random(System.currentTimeMillis());

        int[] count = new int[k]; // 记录每个簇有多少个元素

        Iterator<DataObject> iter = objects.iterator();

        while (iter.hasNext()) {

            DataObject object = iter.next();

            int id = random.nextInt(10000)%k;

            count[id]++;

            for (int i = 0; i < len; i++)

                center[id][i] += object.getVector()[i];

        }

        for (int i = 0; i < k; i++) {

            for (int j = 0; j < len; j++) {

                center[i][j] /= count[i];

            }

        }

    }

 

    // 把数据集中的每个点归到离它最近的那个质心

    public void classify(ArrayList<DataObject> objects) {

        Iterator<DataObject> iter = objects.iterator();

        while (iter.hasNext()) {

            DataObject object = iter.next();

            double[] vector = object.getVector();

            int len = vector.length;

            int index = 0;

            double neardist = Double.MAX_VALUE;

            for (int i = 0; i < k; i++) {

                double dist = Global.calEuraDist(vector, center[i], len); // 使用欧氏距离

                if (dist < neardist) {

                    neardist = dist;

                    index = i;

                }

            }

            object.setCid(index);

        }

    }

 

    // 重新计算每个簇的质心，并判断终止条件是否满足，如果不满足更新各簇的质心,如果满足就返回true.len是数据的维数

    public boolean calNewCenter(ArrayList<DataObject> objects, int len) {

        boolean end = true;

        int[] count = new int[k]; // 记录每个簇有多少个元素

        double[][] sum = new double[k][];

        for (int i = 0; i < k; i++)

            sum[i] = new double[len];

        Iterator<DataObject> iter = objects.iterator();

        while (iter.hasNext()) {

            DataObject object = iter.next();

            int id = object.getCid();

            count[id]++;

            for (int i = 0; i < len; i++)

                sum[id][i] += object.getVector()[i];

        }

        for (int i = 0; i < k; i++) {

            if (count[i] != 0) {

                for (int j = 0; j < len; j++) {

                    sum[i][j] /= count[i];

                }

            }

            // 簇中不包含任何点,及时调整质心

            else {

                int a=(i+1)%k;

                int b=(i+3)%k;

                int c=(i+5)%k;

                for (int j = 0; j < len; j++) {

                    center[i][j] = (center[a][j]+center[b][j]+center[c][j])/3;

                }

            }

        }

        for (int i = 0; i < k; i++) {

            // 只要有一个质心需要移动的距离超过了mu，就返回false

            if (Global.calEuraDist(sum[i], center[i], len) >= mu) {

                end = false;

                break;

            }

        }

        if (!end) {

            for (int i = 0; i < k; i++) {

                for (int j = 0; j < len; j++)

                    center[i][j] = sum[i][j];

            }

        }

        return end;

    }

 

    // 计算各簇内数据和方差的加权平均，得出本次聚类的满意度.len是数据的维数

    public double getSati(ArrayList<DataObject> objects, int len) {

        double satisfy = 0.0;

        int[] count = new int[k];

        double[] ss = new double[k];

        Iterator<DataObject> iter = objects.iterator();

        while (iter.hasNext()) {

            DataObject object = iter.next();

            int id = object.getCid();

            count[id]++;

            for (int i = 0; i < len; i++)

                ss[id] += Math.pow(object.getVector()[i] - center[id][i], 2.0);

        }

        for (int i = 0; i < k; i++) {

            satisfy += count[i] * ss[i];

        }

        return satisfy;

    }

 

    public double run(int round, DataSource datasource, int len) {

        System.out.println("第" + round + "次运行");

        initCenter(len,datasource.objects);

        classify(datasource.objects);

        while (!calNewCenter(datasource.objects, len)) {

            classify(datasource.objects);

        }

        datasource.printResult(datasource.objects, k);

        double ss = getSati(datasource.objects, len);

        System.out.println("加权方差：" + ss);

        return ss;

    }

 

    public static void main(String[] args) {

        DataSource datasource = new DataSource();

        datasource.readMatrix(new File("/home/orisun/test/dot.mat"));

        datasource.readRLabel(new File("/home/orisun/test/dot.rlabel"));

        int len = datasource.col;

        // 划分为4个簇，质心移动小于1E-8时终止迭代，重复运行7次

        KMeans km = new KMeans(4, 1E-10, 7, len);

        int index = 0;

        double minsa = Double.MAX_VALUE;

        for (int i = 0; i < km.repeat; i++) {

            double ss = km.run(i, datasource, len);

            if (ss < minsa) {

                minsa = ss;

                index = i;

            }

        }

        System.out.println("最好的结果是第" + index + "次。");

    }

}

原文地址：https://www.cnblogs.com/lm3306/p/9314032.html

时间： 2024-10-06 18:30:18

转：谱聚类的相关文章

关于谱聚类的ng算法的实现

广义上讲,任何在学习过程中应用到矩阵特征值分解的方法均叫做谱学习方法,比如主成分分析(PCA),线性判别成分分析(LDA),流形学习中的谱嵌入方法,谱聚类等等. 由于科苑向世明老师课件上面关于ng的谱聚类算法里面与ng大神的论文中写到的算法中有所出入,导致昨天晚上调了一晚上的算法并没有调出满意的结果,今天在网上找到了ng大神的原始paper阅读一遍,虽然还是有很多不理解的地方,还是有了自己的见解.下面是ng算法的流程. 算法第一步先通过高斯函数计算出每个点与其他点的亲和度,与自己的亲和度为0,对

谱聚类--SpectralClustering

谱聚类一般会先对两两样本间求相似度, 然后根据相似度矩阵求出拉普拉斯矩阵,然后将每个样本映射到拉普拉斯矩阵特诊向量中,最后使用k-means聚类. scikit-learn开源包中已经有现成的接口可以使用,具体见 http://scikit-learn.org/dev/modules/generated/sklearn.cluster.SpectralClustering.html#sklearn.cluster.SpectralClustering 写了一个测试例子 构造二维空间样本点, #!

谱聚类算法

转载自:[聚类算法]谱聚类(Spectral Clustering) 1.问题描述 谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图(sub-Graph),使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的. 对于图的相关定义如下: 对于无向图G = (V,E),V表示顶点集合,即样本集合,即一个顶点为一个样本:E表示边集合. 设样本数为n,即顶点数为n. 权重矩阵:W,为n*n的矩阵,其值wi,j为

用scikit-learn学习谱聚类

在谱聚类(spectral clustering)原理总结中,我们对谱聚类的原理做了总结.这里我们就对scikit-learn中谱聚类的使用做一个总结. 1. scikit-learn谱聚类概述 在scikit-learn的类库中,sklearn.cluster.SpectralClustering实现了基于Ncut的谱聚类,没有实现基于RatioCut的切图聚类.同时,对于相似矩阵的建立,也只是实现了基于K邻近法和全连接法的方式,没有基于$\epsilon$-邻近法的相似矩阵.最后一步的聚类方

谱聚类python实践

聚类后: # -*- coding: utf-8 -*-"""Created on 09 05 2017 @author: similarface"""import numpy as npimport matplotlib.pyplot as pltimport mpl_toolkits.mplot3d.axes3d as p3from sklearn import datasetsfrom sklearn import metricsfrom

谱聚类算法及其代码（Spectral Clustering）

简介 文章将介绍谱聚类(spectral clustering)的基本算法,以及在matlab下的代码实现.介绍内容将包括: 从图分割角度直观理解谱聚类 谱聚类算法步骤 数据以及实现代码 本文将不会涉及细节化的证明和推导,如有兴趣可参考july大神的文章从拉普拉斯矩阵说到谱聚类. 对谱聚类的理解 这一节将从图分割聚类的角度直观理解谱聚类.不过,因为本人是从事社交媒体分析的,将从一种社会关系网络的角度来介绍网络图分割成多个子图的概念. 图的分割 首先将社会关系网络看成是一个整体,每一个个体(use

谱聚类算法(Spectral Clustering)

谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的.其中的最优是指最优目标函数不同,可以是割边最小分割——如图1的Smallest cut(如后文的Min cut), 也可以是分割规模差不多且割边最小的分割——如图1的Best cut(如后文的Normalized cut). 图1 谱聚类无向图划分——Smallest cut和Best cut 这样,

谱聚类(Spectral Clustering, SC)

谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目 的.其中的最优是指最优目标函数不同,可以是割边最小分割——如图1的Smallest cut(如后文的Min cut), 也可以是分割规模差不多且割边最小的分割——如图1的Best cut(如后文的Normalized cut). 图1 谱聚类无向图划分——Smallest cut和Best cut 这样

聚类分析之谱聚类

聚类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. 谱聚类可以在任意形状的样本空间聚类,且收敛于全局最优解,因此在处理高维数据方面存在着明显优势.总的来说,该算法存在一些不足之处.算法在聚类之前需要设置具体应用的尺度参数,通常需要一些经验.初始聚类中心对整个聚类效果影响很大,存在初始值敏感问题.很难找到图划分的优化解,聚类数目对于整个聚类效果有很大影响. setp1:计算图的拉普拉斯矩阵L=D-w set

谱聚类（spectral clustering)及其实现详解

Preface 开了很多题,手稿都是写好一直思考如何放到CSDN上来,一方面由于公司技术隐私,一方面由于面向对象不同,要大改,所以一直没贴出完整,希望日后可以把开的题都补充全. 先把大纲列出来: 一.从狄多公主圈地传说说起 二.谱聚类的演算 (一).演算 1.谱聚类的概览 2.谱聚类构图 3.谱聚类切图 (1).RatioCut (2).Ncut (3).一点题外话 (二).pseudo-code 三.谱聚类的实现(scala) (一).Similarity Matrix (二).kNN/mut