通俗易懂讲透谱聚类（Spectral Clustering）｜本科生/研究生都能看懂

谱聚类是解决复杂形状、非线性边界数据最强的聚类算法之一，K-Means分不出来的月牙形、环形、交错数据，它都能轻松搞定。

本文用大白话+生活案例+数学推导+可直接运行代码+总结，适合课堂笔记、实验报告。

---

一、谱聚类是什么？一句话讲明白

谱聚类 = 把数据建成图 → 切图分组 → 降维 → 简单聚类
核心：不直接看原始坐标，而是看点与点之间的“连接关系”。

对比一下：

• K-Means：只看距离，只擅长球形簇
• 谱聚类：看连接强度，擅长任意形状、交错、非线性分布的数据

---

二、超通俗小案例：5个地点自动分两组

有5个地点 A、B、C、D、E，距离如下，想分成两个“活动圈”。

	A	B	C	D	E
A	0	2	8	10	9
B	2	0	7	9	8
C	8	7	0	2	3
D	10	9	2	0	1
E	9	8	3	1	0

谱聚类怎么做？

1. 建图：把地点当“点”，距离当“边权重”
2. 转相似度：距离越近，相似度越高
3. 建拉普拉斯矩阵：记录点之间的连接关系
4. 特征分解：把复杂数据投影到简单空间
5. 聚类：在新空间里轻松分成两类

结果

组1：A、B
组2：C、D、E

---

三、谱聚类核心流程（最标准 6 步）

1. 构建相似度矩阵 W
   用高斯核（RBF）计算两点相似性：
   $w_{ij}=e^{-\frac{\Vert x_i-x_j{\Vert }^2}{2{\sigma }^2}}$

2. 构建度矩阵 D
   对角矩阵，每个值是当前点所有相似度之和：
   $D_{ii}={\sum }_j{W}_{ij}$

3. 构建拉普拉斯矩阵 L
   最常用对称归一化拉普拉斯：
   $L_{sym}=I-D^{-1/2}W{D}^{-1/2}$

4. 特征分解
   求 L 最小的 k 个特征值对应的特征向量。

5. 构建新特征空间
   把特征向量按行拼成新数据，每行代表一个点。

6. 普通聚类
   在新空间里跑 K-Means，得到最终簇。

---

四、核心公式（报告/作业直接用）

1. 相似度（RBF 核）

$w_{ij}=\exp \left(-\frac{\Vert x_i-x_j{\Vert }^2}{2{\sigma }^2}\right)$

2. 度矩阵

$D_{ii}={\sum }_{j=1}^n{w}_{ij}$

3. 归一化拉普拉斯矩阵

$L_{sym}=I-D^{-1/2}W{D}^{-1/2}$

4. 聚类目标：最小化归一化割（Ncut）

$Ncut(A_1,...A_k)={\sum }_{i=1}^k\frac{Cut(A_i,\overline{A_i})}{Vol(A_i)}$

---

五、为什么谱聚类这么强？（关键理解）

• K-Means 假设簇是凸的、球形的
• 谱聚类不假设形状，只看图连接
• 把非线性可分数据，变成线性可分

一句话：
谱聚类 = 用图论+线性代数，给数据“换一套坐标系”，让复杂数据变简单。

---

六、完整实战代码：图像分割（可直接复制运行）

谱聚类最经典应用：图像分割，把图片按颜色/位置分成区域。

# 安装依赖
# pip install numpy matplotlib scikit-learn scikit-image

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import SpectralClustering
from skimage import io, color
from skimage.transform import rescale
import warnings
warnings.filterwarnings('ignore')

# ====================== 1. 加载并缩小图片 ======================
image_url = "https://upload.wikimedia.org/wikipedia/commons/thumb/a/a3/June_odd-eyed-cat.jpg/800px-June_odd-eyed-cat.jpg"
image = io.imread(image_url)
image = rescale(image, 0.2, multichannel=True)  # 缩小加速
rows, cols, _ = image.shape

# ====================== 2. 构造像素特征：RGB + 坐标 ======================
X = []
for i in range(rows):
    for j in range(cols):
        r, g, b = image[i, j]
        X.append([r, g, b, i/rows, j/cols])
X = np.array(X)

# ====================== 3. 谱聚类 ======================
n_clusters = 4
sc = SpectralClustering(
    n_clusters=n_clusters,
    affinity='rbf',
    gamma=10,
    random_state=42
)
labels = sc.fit_predict(X)

# ====================== 4. 可视化结果 ======================
# 原图
plt.figure(figsize=(12, 4))
plt.subplot(131)
plt.imshow(image)
plt.title("Original Image")
plt.axis('off')

# 分割图
seg_img = np.zeros((rows, cols, 3))
colors = np.random.rand(n_clusters, 3)
for i in range(rows):
    for j in range(cols):
        seg_img[i, j] = colors[labels[i * cols + j]]

plt.subplot(132)
plt.imshow(seg_img)
plt.title("Segmented Image")
plt.axis('off')

# 边界图
bound = np.zeros_like(seg_img)
for i in range(1, rows-1):
    for j in range(1, cols-1):
        if labels[i*cols+j] != labels[i*cols+j+1] or \
           labels[i*cols+j] != labels[(i+1)*cols+j]:
            bound[i, j] = [1, 0, 0]

plt.subplot(133)
plt.imshow(bound)
plt.title("Boundary")
plt.axis('off')

plt.tight_layout()
plt.show()

代码输出三张图

1. 原始图像
2. 谱聚类分割图
3. 区域边界图

---

七、谱聚类优缺点（面试/报告必背）

✅ 优点

1. 擅长非线性、任意形状簇
2. 高维数据表现好
3. 只需相似度矩阵，可自定义相似规则
4. 数学优美、理论稳定

❌ 缺点

1. 计算慢 O(n³)，大数据不行
2. 内存占用大（n×n 矩阵）
3. 对参数敏感（gamma、核函数）
4. 需要指定簇数 k

---

八、适用场景（什么时候用？）

👉 首选谱聚类

• 数据形状不规则：月牙、环形、交错
• 小规模高维数据
• 图像分割、视频分割、图节点聚类
• 社交网络、文本聚类、特征学习

👉 不要用

• 数据量 >1万 → 用 K-Means / Mini-Batch K-Means
• 带噪声、密度不均 → 用 DBSCAN
• 不知道簇数 → 用 Mean Shift / 层次聚类

---

九、一句话总结

谱聚类是基于图论与特征分解的高级聚类算法，擅长处理K-Means无法解决的非线性、复杂形状数据，是机器学习、图像处理、数据挖掘中最强大的聚类工具之一。