机器学习 | 第24讲---谱聚类（4）

狗熊会 · 公众号 · · 2017-11-22 06:52

正文

引导关注动图

大家好，机器学习导论的第24节课来了。这一节目的是延续谱聚类模型的求解。

本节课程主要内容：

求解谱聚类模型。

张老师就讲到这里，希望大家学的开心，如果有问题大家可以留言讨论。

参考文献：

【1】Von Luxburg, U., 2007. A tutorial on spectral clustering. Statistics and computing, 17(4), pp.395-416.

【2】Shi, J. and Malik, J., 2000. Normalized cuts and image segmentation. IEEE Transactions on pattern analysis and machine intelligence, 22(8), pp.888-905.

　张志华教授简介　

博士，北京大学数学科学学院概率统计系教授。加入北京大学之前为上海交通大学计算机科学与工程系教授，上海交通大学数据科学研究中心兼职教授，计算机科学与技术和统计学双学科的博士生指导导师。也曾是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授。

主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文。是美国“数学评论”的特邀评论员，国际机器学习旗舰刊物Journal of Machine Learning Research 的执行编委。

点击这里查看往期精彩！

第一讲：机器学习简介
第二讲：机器学习的概率与统计基础
第三讲：多元正态分布与高斯图模型（1）
第四讲：多元正态分布与高斯图模型（2）
第五讲：多项式分布及其在机器学习中的应用
第六讲：机器学习中的核方法（1）
第七讲：机器学习中的核方法（2）
第八讲：机器学习中的核方法（3）
第九讲：主成分分析与主坐标分析
第十讲：核主成分分析
第十一讲：概率PCA（1）：最大似然估计
第十二讲：概率PCA（2）：最大似然估计
第十三讲：概率PCA（3）：最大期望算法
第十四讲：概率PCA（4）：期望最大算法收敛性
第十五讲：MDS方法（1）
第十六讲：MDS方法（2）
第十七讲：矩阵导数（1）
第十八讲：矩阵导数（2）
第十九讲：矩阵导数（3）
第二十讲：矩阵导数（4）
第二十一讲：谱聚类（1）
第二十二讲：谱聚类（2）
第二十三讲：谱聚类（3）