エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Garbage: 論文#5
長らく放置していたことに気づいたところで,最近勉強中のSpectral Clusteringについて簡単にまとめてみ... 長らく放置していたことに気づいたところで,最近勉強中のSpectral Clusteringについて簡単にまとめてみる. Spectral Clustering というのは簡単にいえばグラフの分割問題. あるグラフがあたえられたとき,出来るだけ少ないリンクを切っていくつかの密なサブグラフへと分割する. リンクを切る際のコストとして,Ncutと言う基準がある. グラフをA,Bという2つのサブグラフに分けるとき, Ncut(A, B) = cut(A, B) / d(A) + cut(A, B) / d(B) ここで,cut(A, B)はAに含まれるノードとBに含まれるノードを結ぶリンクの重みの総和. d(A)はAに含まれるノードと接続しているリンクの重みの総和. このNcutを最小にするようなA, Bが最良の分割となる. Ncutを最小にするような分割を求めるには,可能なすべて