使用图形数据的SVM聚类

我尝试使用SVM进行聚类。我有社交网络图形数据。在我的数据节点中彼此连接。我想用图邻接矩阵作为SVM输入数据。我的SVM输入数据如下。我的主要问题是图形数据中的社区检测。使用图形数据的SVM聚类

是否可以使用SVM对图数据进行聚类。你可以给我一些方法来做到这一点。我是SVM的初学者。

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

来源

2012-08-02 adam sakli

SVM不能做聚类，你可以找到多类SVM和其他变体。另一方面，支持向量聚类的存在与SVM稍有不同，但接近。我不知道提供这种算法的任何包，到目前为止它还不是很有名。

来源

2013-09-12 22:09:33

一般来说SVM是用于分类的，正如很多人指出的那样。虽然存在基于SVM的聚类算法，但它与子系统SVM类似，可以使用kernel trick，它允许您处理各种类型的数据，包括图形（图形内核）。相邻矩阵是图形相似性的较差表示（除非实际上对非常简单的现象感兴趣，但是使用基于支持向量机的方法似乎有点太过分了。相信奥卡姆的剃刀 - 最简单的方法是最好的方法，我会建议查看/使用简单聚类方法，如果它们效率不高，则考虑切换到SVM集群。

我强烈建议阅读关于此主题的论文，因为它不像看起来那么容易，但它很好用话题：

Presentation regarding graph mining and graph kernels
米歇尔纽豪斯，霍斯特Bunke：一个随机游走内核明镜来自图形编辑距离。 SSPR/SPR 2006：191-199
S.V.N. Vishwanathan，Karsten M. Borgwardt，Nicol N. Schraudolph：Graph Kernels的快速计算。 NIPS 2006：1449-1456

对于实现本身，（已经提到）MATLAB库位于：https://sites.google.com/site/daewonlee/research/svctoolbox

来源

2013-09-13 09:18:08 lejlot

可以执行以下操作：