Graph 基于图数据的SVM聚类

我尝试使用SVM进行聚类。我有社交网络图表数据。在我的数据中，节点相互连接。我想使用图邻接矩阵作为SVM的输入数据。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

是否可以使用支持向量机对图形数据进行聚类。你能给我一些方法吗。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

---

支持向量机不能进行聚类，可以发现多类支持向量机等变异。另一方面，支持向量机聚类存在，它与支持向量机的方法略有不同，但很接近。我不知道有哪个软件包提供这种算法，到目前为止它还不是很有名。

正如许多人指出的那样，一般来说，SVM是用于分类的。尽管存在基于支持向量机的聚类算法，该算法与原始支持向量机类似，可以使用，它允许您处理各种类型的数据，包括图形（图形核）。邻接矩阵是图相似性的一种很差的表示形式（除非你真的对非常简单的现象感兴趣，但是使用基于SVM的方法似乎有点太多了。相信Okhanm的剃刀——最简单的方法是最好的，我建议使用简单的聚类方法，如果它们是不充分的，那么考虑切换到SVM聚类。” 我强烈建议阅读关于这个主题的论文，因为这并不像看上去那么容易，但它是一个研究得很好的主题：

• Michel Neuhaus，Horst Bunke：从图编辑距离导出的随机行走核。SSPR/SPR 2006:191-199
• S.V.N.Vishwanathan，Karsten M.Borgwardt，Nicol N.Schraudolph：图核的快速计算。NIPS 2006:1449-1456

---

对于实现本身，matlab库（已经提到）位于此处：

您可以执行以下操作：

对数据应用尽可能多的聚类算法

决定需要多少集群（或使用任何生成集群中的多个集群）

优化生成的输出，使聚类算法的输出与所需的聚类数（以及那些精确的聚类数）匹配。这是一个棘手的部分

向SVM提供聚类产生的数据，如质心、平均值等

最后，使用经过训练的SVM根据最初输入的数据生成聚类

因此，我们的想法是在其他聚类模型的基础上，开发一个具有支持向量机的通用聚类模型……这样，您就可以使用无监督的支持向量机聚类。 需要注意的是，要使支持向量机工作，您需要尽可能多的聚类数据行（否则，支持向量机将为您提供的每个输入输出一个数字）

资料来源：目前正在研究这种方法

---

编辑：语法等。

有几篇文章讨论了支持向量聚类；下面是我正在尝试评估的一篇：

此外，在此处发现一个R包：