谱聚类（spectralclustering）理解

构建视觉词典是BOVW模型中关键的一个步骤，目前大多数视觉词典是基于K-means聚类方式构建。然而由于K-means聚类的局限性以及样本空间结构的复杂性与高维性，这种方式构建的视觉词典往往区分性能较

谱聚类算法是基于谱图划分理论的一种机器学习算法，它能在任意形状的样本空间上聚类且收敛于全局最优解。但是传统的谱聚类算法很难正确发现密度相差比较大的簇，参数的选取要靠多次实验和个人经验。结合半监督聚类的

自动文摘技术的目标是致力于将冗长的文档内容压缩成较为简短的几段话，将信息全面、简洁地呈现给用户，提高用户获取信息的效率和准确率。所提出的方法在LDA（LatentDirichletAllocation

针对自调节谱聚类算法的缺陷,提出一种新的自适应谱聚类算法。它用全局平均N近邻距离作为比例参数σ,利用本征矢差异来估计最佳聚类分组数k,达到了比前者更好的效果,且更容易实现。在彩色图像分割实际应用中的实

分布式环境下谱聚类算法研究，孟超，崔晓燕，谱聚类算法是近年来国际上机器学习研究领域的一个较新的研究点，相比于一些传统的算法，能够在任意形状的样本空间上聚类，且收敛

基于谱聚类的个性化推荐算法，刘嘉雄，刘晋，针对传统协同过滤依赖用户项目评分矩阵，无法摆脱稀疏性、新用户和新项目的冷启动问题。同时，忽略用户特征、项目属性等客观内容

为提高谱聚类算法的鲁棒性，基于稀疏编码在图的构造中提出一种改进L1稀疏表示图模型。将每个样本表示为数据集中其他样本的稀疏线性组合，稀疏图的构造变为一个优化问题。所构造的稀疏图对数据噪声有很好的鲁棒性，

针对谱聚类算法在解决高维、大数据量的聚类问题时出现的效率不高和准确率明显下降的问题进行了研究，并在此研究基础上结合最优投影理论和Nystrm抽样提出了基于最优投影的半监督谱聚类算法（semi-sup

针对传统谱聚类算法没有解决簇划分过程中，簇间交叉区域样本点对聚类效果有影响这个问题，提出一种基于局部协方差矩阵的谱聚类算法，主要介绍了一种新的计算样本之间相似度亲和矩阵的方法，即通过计算样本点之间的欧

使用机器学习算法（聚类）对金融时间序列数据进行分析