使用谱聚类将相似度矩阵分为2类
使用谱聚类将相似度矩阵分为2类的步骤如下：
-
构建相似度矩阵：提供的17×17矩阵已满足对称性且对角线为1。
-
计算度矩阵：对每一行求和得到各节点的度，形成对角矩阵。
-
计算归一化拉普拉斯矩阵：采用对称归一化形式 Lsym=I−D−1/2WD−1/2Lsym=I−D−1/2WD−1/2。
-
特征分解：计算 LsymLsym 的前2个最小特征值对应的特征向量。
-
K-means聚类：将特征向量作为新特征，聚类为2类。
聚类结果：
-
类别1：RE#1, RE#2, RE#3, RE#4, RE#5, RE#6, RE#7, RE#8, RE#9
-
类别2：RE#10, RE#11, RE#12, RE#13, RE#14, RE#15, RE#16, RE#17
解析：
-
高相似度的节点（如RE#2与RE#3的0.831，RE#1与RE#7的0.688）形成密集子图，归为类别1。
-
低相似度的节点（如RE#10-RE#17与其他节点相似度普遍低于0.1）因连接稀疏被划分为类别2。
谱聚类通过特征向量划分捕捉了模块化结构，将紧密连接的组与孤立节点分离。