算法

简单易学的机器学习算法——谱聚类(Spectal Clustering)

Ne0inhk

25 Dec 2024 — 17 min read

一、复杂网络中的一些基本概念

1、复杂网络的表示在复杂网络的表示中，复杂网络可以建模成一个图

www.zeeklog.com - 简单易学的机器学习算法——谱聚类(Spectal Clustering)

，其中，

表示网络中的节点的集合，

表示的是连接的集合。在复杂网络中，复杂网络可以是无向图、有向图、加权图或者超图。

2、网络簇结构网络簇结构 (network cluster structure) 也称为网络社团结构 (network community structure) ，是复杂网络中最普遍和最重要的拓扑属性之一。网络簇是整个网络中的稠密连接分支，具有同簇内部节点之间相互连接密集，不同簇的节点之间相互连接稀疏的特征。

3、复杂网络的分类复杂网络主要分为：随机网络，小世界网络和无标度网络。

二、谱方法介绍

1、谱方法的思想在复杂网络的网络簇结构存在着同簇节点之间连接密集，不同簇节点之间连接稀疏的特征，是否可以根据这样的特征对网络中的节点进行聚类，使得同类节点之间的连接密集，不同类别节点之间的连接稀疏？在谱聚类中定义了“截”函数的概念，当一个网络被划分成为两个子网络时，“截”即指子网间的连接密度。谱聚类的目的就是要找到一种合理的分割，使得分割后形成若干子图，连接不同的子图的边的权重尽可能低，即“截”最小，同子图内的边的权重尽可能高。

2、“截”函数的具体表现形式 “截”表示的是子网间的密度，即边比较少。以二分为例，将图聚类成两个类：

类和

类。假设用

来表示图的划分，我们需要的结果为：

其中

表示的是类别

和

之间的权重。对于

个不同的类别

，优化的目标为：

3、基本“截”函数的弊端对于上述的“截”函数，最终会导致不好的分割，如二分类问题:

上述的“截”函数通常会将图分割成一个点和其余

个点。

4、其他的“截”函数的表现形式为了能够让每个类都有合理的大小，目标函数中应该使得

足够大，则提出了

或者

：

其中

表示

类中包含的顶点的数目

三、Laplacian矩阵

1、Laplacian矩阵的定义拉普拉斯矩阵 (Laplacian Matrix) ，也称为基尔霍夫矩阵，是图的一种矩阵表示形式。对于一个有

个顶点的图

，其 Laplacian 矩阵定义为：

其中，

为图的度矩阵，

为图的邻接矩阵。

2、度矩阵的定义度矩阵是一个对角矩阵，主角线上的值由对应的顶点的度组成。对于一个有

个顶点的图

，其邻接矩阵为：

其度矩阵为：

其中

。

3、Laplacian矩阵的性质

Laplacian矩阵

是对称半正定矩阵；

Laplacian矩阵

的最小特征值是

，相应的特征向量是

；

Laplacian矩阵

有

个非负实特征值：

，且对于任何一个实向量

，都有下面的式子成立：

性质3的证明：

4、不同的Laplacian矩阵除了上述的拉普拉斯矩阵，还有规范化的 Laplacian 矩阵形式：

四、Laplacian矩阵与谱聚类中的优化函数的关系

1、由Laplacian矩阵到“截”函数对于二个类别的聚类问题，优化的目标函数为：

定义向量

，且

而已知：

，则

而

其中，

表示的是顶点的数目，对于确定的图来说是个常数。由上述的推导可知，由

推导出了

，由此可知： Laplacian 矩阵与有优化的目标函数

之间存在密切的联系。

2、新的目标函数由上式可得：

由于

是个常数，故要求

的最小值，即求

的最小值。则新的目标函数为：

其中

3、转化到Laplacian矩阵的求解假设

是 Laplacian 矩阵

的特征值，

是特征值

对应的特征向量，则有：

在上式的两端同时左乘

已知

，则

，上式可以转化为：

要求

，即只需求得最小特征值

。由 Laplacian 矩阵的性质可知， Laplacian 矩阵的最小特征值为

。由 Rayleigh-Ritz 理论，可以取第2小特征值。

五、从二类别聚类到多类别聚类

1、二类别聚类对于求解出来的特征向量

中的每一个分量

，根据每个分量的值来判断对应的点所属的类别：

2、多类别聚类对于求出来的前

个特征向量，可以利用 K-Means 聚类方法对其进行聚类，若前

个特征向量为

，这样便由特征向量构成如下的特征向量矩阵：

将特征向量矩阵中的每一行最为一个样本，利用K-Means聚类方法对其进行聚类。

六、谱聚类的过程

1、基本的结构基于以上的分析，谱聚类的基本过程为：

对于给定的图

，求图的度矩阵

和邻接矩阵

；

计算图的Laplacian矩阵

；

对Laplacian矩阵进行特征值分解，取其前

个特征值对应的特征向量，构成

的特征向量矩阵；

利用K-Means聚类算法对上述的

的特征向量矩阵进行聚类，每一行代表一个样本点。

2、利用相似度矩阵的构造方法上述的方法是通过图的度矩阵

和邻接矩阵

来构造Laplacian矩阵，也可以通过相似度矩阵的方法构造Laplacian矩阵，其方法如下：相似度矩阵是由权值矩阵得到：

其中

再利用相似度矩阵

构造 Laplacian 矩阵：

其中

为相似度矩阵

的度矩阵。注意：在第一种方法中，求解的是Laplacian矩阵的前

个最小特征值对应的特征向量，在第二种方法中，求解的是Laplacian矩阵的前

个最大特征值对应的特征向量

七、实验代码

1、自己实现的一个

#coding:UTF-8
'''
Created on 2015年5月12日

@author: zhaozhiyong
'''
from __future__ import division
import scipy.io as scio
from scipy import sparse
from scipy.sparse.linalg.eigen import arpack#这里只能这么做，不然始终找不到函数eigs
from numpy import *


def spectalCluster(data, sigma, num_clusters):
    print "将邻接矩阵转换成相似矩阵"
    #先完成sigma ！= 0
    print "Fixed-sigma谱聚类"
    data = sparse.csc_matrix.multiply(data, data)

    data = -data / (2 * sigma * sigma)
    
    S = sparse.csc_matrix.expm1(data) + sparse.csc_matrix.multiply(sparse.csc_matrix.sign(data), sparse.csc_matrix.sign(data))   
    
    #转换成Laplacian矩阵
    print "将相似矩阵转换成Laplacian矩阵"
    D = S.sum(1)#相似矩阵是对称矩阵
    D = sqrt(1 / D)
    n = len(D)
    D = D.T
    D = sparse.spdiags(D, 0, n, n)
    L = D * S * D
    
    #求特征值和特征向量
    print "求特征值和特征向量"
    vals, vecs = arpack.eigs(L, k=num_clusters,tol=0,which="LM")  
    
    # 利用k-Means
    print "利用K-Means对特征向量聚类"
    #对vecs做正规化
    sq_sum = sqrt(multiply(vecs,vecs).sum(1))
    m_1, m_2 = shape(vecs)
    for i in xrange(m_1):
        for j in xrange(m_2):
            vecs[i,j] = vecs[i,j]/sq_sum[i]
    
    myCentroids, clustAssing = kMeans(vecs, num_clusters)
    
    for i in xrange(shape(clustAssing)[0]):
        print clustAssing[i,0]
    

def randCent(dataSet, k):
    n = shape(dataSet)[1]
    centroids = mat(zeros((k,n)))#create centroid mat
    for j in range(n):#create random cluster centers, within bounds of each dimension
        minJ = min(dataSet[:,j]) 
        rangeJ = float(max(dataSet[:,j]) - minJ)
        centroids[:,j] = mat(minJ + rangeJ * random.rand(k,1))
    return centroids

def distEclud(vecA, vecB):
    return sqrt(sum(power(vecA - vecB, 2))) #la.norm(vecA-vecB)

def kMeans(dataSet, k):
    m = shape(dataSet)[0]
    clusterAssment = mat(zeros((m,2)))#create mat to assign data points to a centroid, also holds SE of each point
    centroids = randCent(dataSet, k)
    clusterChanged = True
    while clusterChanged:
        clusterChanged = False
        for i in range(m):#for each data point assign it to the closest centroid
            minDist = inf; minIndex = -1
            for j in range(k):
                distJI = distEclud(centroids[j,:],dataSet[i,:])
                if distJI < minDist:
                    minDist = distJI; minIndex = j
            if clusterAssment[i,0] != minIndex: clusterChanged = True
            clusterAssment[i,:] = minIndex,minDist**2
        #print centroids
        for cent in range(k):#recalculate centroids
            ptsInClust = dataSet[nonzero(clusterAssment[:,0].A==cent)[0]]#get all the point in this cluster
            centroids[cent,:] = mean(ptsInClust, axis=0) #assign centroid to mean 
    return centroids, clusterAssment


if __name__ == '__main__':
    # 导入数据集
    matf = 'E://data_sc//corel_50_NN_sym_distance.mat'
    dataDic = scio.loadmat(matf)
    data = dataDic['A']
    # 谱聚类的过程
    spectalCluster(data, 20, 18)

2、网上提供的一个Matlab代码

function [cluster_labels evd_time kmeans_time total_time] = sc(A, sigma, num_clusters)
%SC Spectral clustering using a sparse similarity matrix (t-nearest-neighbor).
%
%   Input  : A              : N-by-N sparse distance matrix, where
%                             N is the number of data
%            sigma          : sigma value used in computing similarity,
%                             if 0, apply self-tunning technique
%            num_clusters   : number of clusters
%
%   Output : cluster_labels : N-by-1 vector containing cluster labels
%            evd_time       : running time for eigendecomposition
%            kmeans_time    : running time for k-means
%            total_time     : total running time

%
% Convert the sparse distance matrix to a sparse similarity matrix,
% where S = exp^(-(A^2 / 2*sigma^2)).
% Note: This step can be ignored if A is sparse similarity matrix.
%
disp('Converting distance matrix to similarity matrix...');
tic;
n = size(A, 1);

if (sigma == 0) % Selftuning spectral clustering
  % Find the count of nonzero for each column
  disp('Selftuning spectral clustering...');
  col_count = sum(A~=0, 1)';
  col_sum = sum(A, 1)';
  col_mean = col_sum ./ col_count;
  [x y val] = find(A);
  A = sparse(x, y, -val.*val./col_mean(x)./col_mean(y)./2);
  clear col_count col_sum col_mean x y val;
else % Fixed-sigma spectral clustering
  disp('Fixed-sigma spectral clustering...');
  A = A.*A;
  A = -A/(2*sigma*sigma);
end

% Do exp function sequentially because of memory limitation
num = 2000;
num_iter = ceil(n/num);
S = sparse([]);
for i = 1:num_iter
  start_index = 1 + (i-1)*num;
  end_index = min(i*num, n);
  S1 = spfun(@exp, A(:,start_index:end_index)); % sparse exponential func
  S = [S S1];
  clear S1;
end
clear A;
toc;

%
% Do laplacian, L = D^(-1/2) * S * D^(-1/2)
%
disp('Doing Laplacian...');
D = sum(S, 2) + (1e-10);
D = sqrt(1./D); % D^(-1/2)
D = spdiags(D, 0, n, n);
L = D * S * D;
clear D S;
time1 = toc;

%
% Do eigendecomposition, if L =
%   D^(-1/2) * S * D(-1/2)    : set 'LM' (Largest Magnitude), or
%   I - D^(-1/2) * S * D(-1/2): set 'SM' (Smallest Magnitude).
%
disp('Performing eigendecomposition...');
OPTS.disp = 0;
[V, val] = eigs(L, num_clusters, 'LM', OPTS);
time2 = toc;

%
% Do k-means
%
disp('Performing kmeans...');
% Normalize each row to be of unit length
sq_sum = sqrt(sum(V.*V, 2)) + 1e-20;
U = V ./ repmat(sq_sum, 1, num_clusters);
clear sq_sum V;
cluster_labels = k_means(U, [], num_clusters);
total_time = toc;

%
% Calculate and show time statistics
%
evd_time = time2 - time1
kmeans_time = total_time - time2
total_time
disp('Finished!');

function cluster_labels = k_means(data, centers, num_clusters)
%K_MEANS Euclidean k-means clustering algorithm.
%
%   Input    : data           : N-by-D data matrix, where N is the number of data,
%                               D is the number of dimensions
%              centers        : K-by-D matrix, where K is num_clusters, or
%                               'random', random initialization, or
%                               [], empty matrix, orthogonal initialization
%              num_clusters   : Number of clusters
%
%   Output   : cluster_labels : N-by-1 vector of cluster assignment
%
%   Reference: Dimitrios Zeimpekis, Efstratios Gallopoulos, 2006.
%              http://scgroup.hpclab.ceid.upatras.gr/scgroup/Projects/TMG/

%
% Parameter setting
%
iter = 0;
qold = inf;
threshold = 0.001;

%
% Check if with initial centers
%
if strcmp(centers, 'random')
  disp('Random initialization...');
  centers = random_init(data, num_clusters);
elseif isempty(centers)
  disp('Orthogonal initialization...');
  centers = orth_init(data, num_clusters);
end

%
% Double type is required for sparse matrix multiply
%
data = double(data);
centers = double(centers);

%
% Calculate the distance (square) between data and centers
%
n = size(data, 1);
x = sum(data.*data, 2)';
X = x(ones(num_clusters, 1), :);
y = sum(centers.*centers, 2);
Y = y(:, ones(n, 1));
P = X + Y - 2*centers*data';

%
% Main program
%
while 1
  iter = iter + 1;

  % Find the closest cluster for each data point
  [val, ind] = min(P, [], 1);
  % Sum up data points within each cluster
  P = sparse(ind, 1:n, 1, num_clusters, n);
  centers = P*data;
  % Size of each cluster, for cluster whose size is 0 we keep it empty
  cluster_size = P*ones(n, 1);
  % For empty clusters, initialize again
  zero_cluster = find(cluster_size==0);
  if length(zero_cluster) > 0
    disp('Zero centroid. Initialize again...');
    centers(zero_cluster, :)= random_init(data, length(zero_cluster));
    cluster_size(zero_cluster) = 1;
  end
  % Update centers
  centers = spdiags(1./cluster_size, 0, num_clusters, num_clusters)*centers;

  % Update distance (square) to new centers
  y = sum(centers.*centers, 2);
  Y = y(:, ones(n, 1));
  P = X + Y - 2*centers*data';

  % Calculate objective function value
  qnew = sum(sum(sparse(ind, 1:n, 1, size(P, 1), size(P, 2)).*P));
  mesg = sprintf('Iteration %d:\n\tQold=%g\t\tQnew=%g', iter, full(qold), full(qnew));
  disp(mesg);

  % Check if objective function value is less than/equal to threshold
  if threshold >= abs((qnew-qold)/qold)
    mesg = sprintf('\nkmeans converged!');
    disp(mesg);
    break;
  end
  qold = qnew;
end

cluster_labels = ind';


%-----------------------------------------------------------------------------
function init_centers = random_init(data, num_clusters)
%RANDOM_INIT Initialize centroids choosing num_clusters rows of data at random
%
%   Input : data         : N-by-D data matrix, where N is the number of data,
%                          D is the number of dimensions
%           num_clusters : Number of clusters
%
%   Output: init_centers : K-by-D matrix, where K is num_clusters
rand('twister', sum(100*clock));
init_centers = data(ceil(size(data, 1)*rand(1, num_clusters)), :);

function init_centers = orth_init(data, num_clusters)
%ORTH_INIT Initialize orthogonal centers for k-means clustering algorithm.
%
%   Input : data         : N-by-D data matrix, where N is the number of data,
%                          D is the number of dimensions
%           num_clusters : Number of clusters
%
%   Output: init_centers : K-by-D matrix, where K is num_clusters

%
% Find the num_clusters centers which are orthogonal to each other
%
Uniq = unique(data, 'rows'); % Avoid duplicate centers
num = size(Uniq, 1);
first = ceil(rand(1)*num); % Randomly select the first center
init_centers = zeros(num_clusters, size(data, 2)); % Storage for centers
init_centers(1, :) = Uniq(first, :);
Uniq(first, :) = [];
c = zeros(num-1, 1); % Accumalated orthogonal values to existing centers for non-centers
% Find the rest num_clusters-1 centers
for j = 2:num_clusters
  c = c + abs(Uniq*init_centers(j-1, :)');
  [minimum, i] = min(c); % Select the most orthogonal one as next center
  init_centers(j, :) = Uniq(i, :);
  Uniq(i, :) = [];
  c(i) = [];
end
clear c Uniq;

个人的一点认识：谱聚类的过程相当于先进行一个非线性的降维，然后在这样的低维空间中再利用聚类的方法进行聚类。欢迎大家一起讨论，如有问题欢迎留言，欢迎大家转载。

参考

1、从拉普拉斯矩阵说到谱聚类(http://blog.csdn.net/v_july_v/article/details/40738211)

2、(http://www.cnblogs.com/FengYan/archive/2012/06/21/2553999.html)

3、(http://www.cnblogs.com/sparkwen/p/3155850.html)

简单易学的机器学习算法——谱聚类(Spectal Clustering)

Ne0inhk

一、复杂网络中的一些基本概念

1、复杂网络的表示在复杂网络的表示中，复杂网络可以建模成一个图

3、复杂网络的分类复杂网络主要分为：随机网络，小世界网络和无标度网络。

二、谱方法介绍

2、“截”函数的具体表现形式 “截”表示的是子网间的密度，即边比较少。以二分为例，将图聚类成两个类：

3、基本“截”函数的弊端对于上述的“截”函数，最终会导致不好的分割，如二分类问题:

4、其他的“截”函数的表现形式为了能够让每个类都有合理的大小，目标函数中应该使得

三、Laplacian矩阵

1、Laplacian矩阵的定义拉普拉斯矩阵 (Laplacian Matrix) ，也称为基尔霍夫矩阵，是图的一种矩阵表示形式。对于一个有

2、度矩阵的定义度矩阵是一个对角矩阵，主角线上的值由对应的顶点的度组成。对于一个有

3、Laplacian矩阵的性质

4、不同的Laplacian矩阵除了上述的拉普拉斯矩阵，还有规范化的 Laplacian 矩阵形式：

四、Laplacian矩阵与谱聚类中的优化函数的关系

1、由Laplacian矩阵到“截”函数对于二个类别的聚类问题，优化的目标函数为：

2、新的目标函数由上式可得：

3、转化到Laplacian矩阵的求解假设

五、从二类别聚类到多类别聚类

1、二类别聚类对于求解出来的特征向量

2、多类别聚类对于求出来的前

六、谱聚类的过程

1、基本的结构基于以上的分析，谱聚类的基本过程为：

2、利用相似度矩阵的构造方法上述的方法是通过图的度矩阵

七、实验代码

1、自己实现的一个

2、网上提供的一个Matlab代码

Read more

60个“特征工程”计算函数（Python代码）

90w，确实可以封神了！

再见nohup！试试这个神器，Python Supervisor！

第一本给程序员看的AI Agent图书上市了!

一、复杂网络中的一些基本概念

1、复杂网络的表示 在复杂网络的表示中，复杂网络可以建模成一个图

3、复杂网络的分类 复杂网络主要分为：随机网络，小世界网络和无标度网络。

二、谱方法介绍

2、“截”函数的具体表现形式 “截”表示的是子网间的密度，即边比较少。以二分为例，将图聚类成两个类：

3、基本“截”函数的弊端 对于上述的“截”函数，最终会导致不好的分割，如二分类问题:

4、其他的“截”函数的表现形式 为了能够让每个类都有合理的大小，目标函数中应该使得

三、Laplacian矩阵

1、Laplacian矩阵的定义 拉普拉斯矩阵 (Laplacian Matrix) ，也称为基尔霍夫矩阵，是图的一种矩阵表示形式。 对于一个有

2、度矩阵的定义 度矩阵是一个对角矩阵，主角线上的值由对应的顶点的度组成。 对于一个有

3、Laplacian矩阵的性质

4、不同的Laplacian矩阵 除了上述的拉普拉斯矩阵，还有规范化的 Laplacian 矩阵形式：

四、Laplacian矩阵与谱聚类中的优化函数的关系

1、由Laplacian矩阵到“截”函数 对于二个类别的聚类问题，优化的目标函数为：

2、新的目标函数 由上式可得：

3、转化到Laplacian矩阵的求解 假设

五、从二类别聚类到多类别聚类

1、二类别聚类 对于求解出来的特征向量

2、多类别聚类 对于求出来的前

六、谱聚类的过程

1、基本的结构 基于以上的分析，谱聚类的基本过程为：

2、利用相似度矩阵的构造方法 上述的方法是通过图的度矩阵

七、实验代码

1、自己实现的一个

2、网上提供的一个Matlab代码

Read more

60个“特征工程”计算函数（Python代码）

90w，确实可以封神了！

再见nohup！试试这个神器，Python Supervisor！

第一本给程序员看的AI Agent图书上市了!

1、复杂网络的表示在复杂网络的表示中，复杂网络可以建模成一个图

3、复杂网络的分类复杂网络主要分为：随机网络，小世界网络和无标度网络。

3、基本“截”函数的弊端对于上述的“截”函数，最终会导致不好的分割，如二分类问题:

4、其他的“截”函数的表现形式为了能够让每个类都有合理的大小，目标函数中应该使得

1、Laplacian矩阵的定义拉普拉斯矩阵 (Laplacian Matrix) ，也称为基尔霍夫矩阵，是图的一种矩阵表示形式。对于一个有

2、度矩阵的定义度矩阵是一个对角矩阵，主角线上的值由对应的顶点的度组成。对于一个有

4、不同的Laplacian矩阵除了上述的拉普拉斯矩阵，还有规范化的 Laplacian 矩阵形式：

1、由Laplacian矩阵到“截”函数对于二个类别的聚类问题，优化的目标函数为：

2、新的目标函数由上式可得：

3、转化到Laplacian矩阵的求解假设

1、二类别聚类对于求解出来的特征向量

2、多类别聚类对于求出来的前

1、基本的结构基于以上的分析，谱聚类的基本过程为：

2、利用相似度矩阵的构造方法上述的方法是通过图的度矩阵