使用圖形數據的SVM聚類

我嘗試使用SVM進行聚類。我有社交網絡圖形數據。在我的數據節點中彼此連接。我想用圖鄰接矩陣作爲SVM輸入數據。我的SVM輸入數據如下。我的主要問題是圖形數據中的社區檢測。使用圖形數據的SVM聚類

是否可以使用SVM對圖數據進行聚類。你可以給我一些方法來做到這一點。我是SVM的初學者。

1 1:0 2:1 3:1 4:1 5:1 

2 1:1 2:0 3:1 4:1 5:0 

3 1:1 2:1 3:0 4:1 5:0 

4 1:1 2:1 3:1 4:0 5:0 

5 1:1 2:0 3:0 4:0 5:0

來源

2012-08-02 adam sakli

SVM不能做聚類，你可以找到多類SVM和其他變體。另一方面，支持向量聚類的存在與SVM稍有不同，但接近。我不知道提供這種算法的任何包，到目前爲止它還不是很有名。

來源

2013-09-12 22:09:33

一般來說SVM是用於分類的，正如很多人指出的那樣。雖然存在基於SVM的聚類算法，但它與子系統SVM類似，可以使用kernel trick，它允許您處理各種類型的數據，包括圖形（圖形內核）。相鄰矩陣是圖形相似性的較差表示（除非實際上對非常簡單的現象感興趣，但是使用基於支持向量機的方法似乎有點太過分了。相信奧卡姆的剃刀 - 最簡單的方法是最好的方法，我會建議查看/使用簡單聚類方法，如果它們效率不高，則考慮切換到SVM集羣。

我強烈建議閱讀關於此主題的論文，因爲它不像看起來那麼容易，但它很好用話題：

Presentation regarding graph mining and graph kernels
米歇爾紐豪斯，霍斯特Bunke：一個隨機遊走內核明鏡來自圖形編輯距離。 SSPR/SPR 2006：191-199
S.V.N. Vishwanathan，Karsten M. Borgwardt，Nicol N. Schraudolph：Graph Kernels的快速計算。 NIPS 2006：1449-1456

對於實現本身，（已經提到）MATLAB庫位於：https://sites.google.com/site/daewonlee/research/svctoolbox

來源

2013-09-13 09:18:08 lejlot

可以執行以下操作：