基于任务段的航空发动机载荷谱聚类方法研究-论文.zip

spectral clustering使用MATLAB实现

积分最低，Matlab环境下的谱聚类Spectral Clustering实现资源包，可以直接使用！

谱聚类是基于谱图理论基础上的一种聚类方法，与传统的聚类方法相比：具有在任意形状的样本空间上聚类并且收敛于全局最优解的优点。（但效率不高，实际工作中用的比较少） 谱聚类 通过对样本数据的拉普拉斯矩阵的特征向量进行聚类，从而达到对样本数据进行聚类的目的；其本质是将聚类问题转换为图的最优划分问题，是一种点对聚类算法。 谱聚类算法将数据集中的每个对象看做图的顶点 V，将顶点间的相似度量化为相应顶点连接边E的权值 w，这样就构成了一个基于相似度的无向加权图 G(V,E)，于是聚类问题就转换为图的划分问题。基于图的最优划分规则就是子图内的相似度最大，子图间的相似度最小。 步骤 谱聚类的构建过程主要包含以下

matlab贪婪算法代码短信中心 scRNA-seq的一种谱聚类方法 使用 computeKernel.m 计算内核 run.m 是主要入口。 selfweightmkl.m 由 run.m 调用，它自动为所有内核分配权重。 我们提供了一个关于 Yan 数据集的演示。 您只需要下载代码并设置正确的路径，然后运行run.m函数即可。 该项目中的文件夹包含 scRNA-Seq 表达数据和计算内核。 输入：data.m 输出：results.txt ** 聚类： FINCH：第一个整数邻居聚类层次（FINCH）算法 Matlab ：请进入您复制此文件夹的路径或将其路径添加到您的 Matlab 路径中。 [c, num_clust]= FINCH(data, initial_rank, verbose); 输入： 数据：数据矩阵（行中的特征向量） initial_rank [可选]：Nx1（1 个邻居）索引向量。 传递空 [] 以通过 pdist 或 flann 计算第一个邻居 详细信息：打印一些输出 输出： c: N x P 矩阵每个列向量包含每个分区 P 的簇标签 num_clust：显示

以谱聚类算法为理论基础，对图的分割问题构造合适的相似度矩阵。构造四种相似度矩阵，并进行实验分析。试验结果表明，好的相似度矩阵对图的分割是非常有效地。

本程序采用C#实现了谱聚类，批处理文件中的参数为需要批处理的文件名，文件中的每一行为一个文件，在实际使用中，可以更加需要修改

谱聚类算法即python实现，包括python sklearn库中关于谱聚类参数的描述，较详细地说明谱聚类算法中各个参数的含义并且给出一些调参方法。

该谱聚类算法中相似性矩阵的求取，采用杰卡德相似性系数与DSM相结合。并以建立的相似性矩阵为基础，对DSM进行谱聚类。

采用谱聚类算法对数据进行聚类，该算法首先由吴恩达提出，聚类成功率达99%以上。代码采用matlab编写，下载后可直接运行。