Abstract:
Neste trabalho é apresentado o método de agrupamento espectral baseado em uma etapa de aglomeração dos k-menores autovetores da matriz Laplaciana, que representa o conjunto de dados a partir do grafo de similaridade. O algoritmo proposto é aplicado em diversos conjuntos de dados de formatos geométricos distintos. Os resultados são comparados aos agrupamentos obtidos pelo método k-médias e o método de agrupamento espectral via k-médias. Para medir a performance dos algoritmos é utilizada a medida-F e os resultados são apresentados em forma de tabela e gráfico. Após estudar as perfomances dos três algoritmos utilizados, conclui-se que o método apresentado neste trabalho é uma alternativa promissora ao método espectral via k-médias.
In this work we present the spectral clustering based on an agglomeration step in the k-smallest eigenvectors in the Laplacian matrix, that represents the dataset from the similarity graph. The proposed algorithm is applied in many datasets of different geometric formats and the results are compared to the k-means method clustering and the k-means spectral clustering method. To measure the performance of the algorithms, the F-measure is used and the results are presented in table and graph form. After look at the performances from the three methods used, it is concluded that the presented method is an alternative approach to the k-means spectral clustering method.
