mahout系列之---谱聚类

时间:2022-01-11 12:13:32

1.构造亲和矩阵W

2.构造度矩阵D

3.拉普拉斯矩阵L

4.计算L矩阵的第二小特征值(谱)对应的特征向量Fiedler 向量

5.以Fiedler向量作为kmean聚类的初始中心,用kmeans聚类

亲和矩阵 :W_ij=exp(-(d(s_i,s_j)/2o^2))             d(s_i,s_j)  = ||s_i,s_j||.    o 为事先设定的参数。

度矩阵:D_ii  =sum(w_i)

规范相似矩阵:D^(-1/2)*W*D^(1/2) ,即:W(i,j)/(D(i,i))^1/2*(D(j,j))^1/2

计算(D-W)*x=lamd*D*x  的第二小特征值

Mahout 流程:

亲和矩阵格式

           i,j,value

           AffinityMatrixInputJob 输出格式

           i  vector





           构造度矩阵(亲和矩阵,i行元素求和作为返回向量i列的值)

           MatrixDiagonalizeJob





     



          VectorCache 将向量存储在HDFS中

          VectorMatrixMultiplicationJob 向量矩阵相乘

求矩阵的特征值:SSVDSolver  (分布式SVD),默认是DistributedLanczosSolver(兰索斯分解器)

将U矩阵归一化

UnitVectorizerJob.runJob(data, unitVectors);

UnitVectorizerJob 归一化矩阵

             输入矩阵V,输入矩阵U

           v_ij = u_ij / sqrt(sum_j(u_ij * u_ij)

归一化后的U矩阵中i行的最大值作为特征向量的i列的值,以该向量作为种子生成初始中心。

Kmeans 聚类,生成最终的簇。