问题标签 [spectral]

我目前正在学习谱聚类。

我们分解由 L = D - W 计算的拉普拉斯矩阵。

W是邻接矩阵。

但是，我在网上找到了很多代码，例如 谱聚类

他们直接通过 diag(sum(W)) 计算 D。

我知道 D 应该是度数矩阵，这意味着对角线上的每个值都是每个点的度数。

但如果 W 是加权图， diag(sum(W)) 不等于实际的“度矩阵”...

为什么他们仍然这样做。

我正在对植被进行光谱分析，并正在研究哪个是最重要的波长，以便进行一些遥感。

但是，我有 2000 个波长，因此我需要找到一种快速运行 ANOVA 的方法，并且我已经阅读了 4 个循环（或只是循环），这意味着我可以更快地进行此操作，而不必单独执行每个循环。

目前我的R代码是：

X350的波长为350nm。

我真的很感激一些帮助——我的 R 知识不是很好，如果这真的没有意义，我深表歉意。

I have the following dataset:

This data says for exampe that firm_id = 1 is directly connected to firm_id = 2, 4, and 5 and indirectly connected (within two paths) to firm_id = 3, 6, and 7. I can use some Python package like networkx to build the network of firm's connectivity. Now, I want to use Spectral Clustering (I guess this the correct methodology) to form clusters based on distance (number of edges separating each firm) and see how these clusters are connected to each other.

I would first define an adjacency matrix W of the above data. I then use where dist is the distance between firm i and firm j, and c is a scale parameter to each element in W and then compute the Laplacian matrix (see here for example).

Now my question is can Spectral Clustering give me the link between each clusters and how far apart are the clusters (how many edges separate the clusters)? I was thinking to use this, the scikit package in Python but I have no idea how I can generate the links between clusters using sklearn.cluster.

我有以下型号

通常这个模型应该给我们 4 个峰值，但是当我使用周期图时

但我得到以下图片

什么是我无法解决的问题，请帮助我

我正在尝试在R. 我有 9 个自变量和 1 个二进制因变量。

作为光谱聚类的第一步，我需要根据给定的数据集创建一个图（我有大约 1000 个观察值）。因为我刚刚开始，我并不真正关心用于创建图形的方法，但如果它使用 k-最近邻会更好。

我在创建图表nng的包中遇到了一个函数。cccd我使用了以下内容：

这运行良好，除了当我尝试使用 可视化图形时plot(knnGraph)，我收到以下错误：

我不知道如何继续，任何帮助将不胜感激。我还尝试找到在 R 中实现光谱聚类的分步教程，但找不到。任何指向任何此类资源的指针也将不胜感激。

我有一个 3000x50 的特征向量矩阵。sklearn.metrics.pairwise_distances我使用“Similarity_Matrix”获得了一个相似度矩阵。现在我曾经networkx使用上一步中生成的相似度矩阵来创建一个图形G=nx.from_numpy_matrix(Similarity_Matrix)。我现在想在这个图上执行光谱聚类，G但是几个谷歌搜索未能在这个图上提供一个像样的 scikit 学习光谱聚类的例子:( 官方文档显示了如何对一些图像数据进行光谱聚类，这些图像数据在至少对于像我这样的新手来说。

谁能给我一个代码示例，或者使用networkx，scikit learn等进行图形切割或图形分区。

太感谢了！

我有来自PRISM 气候组的降水数据，现在以 .bil 格式（我认为是 ESRI BIL）提供，我希望能够使用 Python 读取这些数据集。

我已经安装了光谱包，但是该open_image()方法返回错误：

IOError: Unable to determine file type or type not supported.

光谱的文档清楚地表明它支持 BIL 文件，任何人都可以了解这里发生的事情吗？我也愿意使用 GDAL，据说它支持类似/等效的 ESRI EHdr 格式，但我找不到任何好的代码片段来开始。

我正在尝试将球谐函数内插到立方笛卡尔网格。

我的球面伪光谱模拟的输出数据具有介于和之间的Nr径向水平，每个水平都包含一组用于经度和纬度的有限阶球谐函数。球谐函数通过三角截断映射到包含纬度和经度的物理球面网格。rMinrMaxNiNj

域如下：

• 径向水平：rMin <= r(k) <= rMax，带索引1 <= k <= Nr
• 球面谐波（三角截断，无变换混叠）：
  • Nm = (Nj-1)/3
  • 0 <= m <= Nm
  • m <= l <= Nm
  • nlm == (nm+1)*(nm+2)/2（的总数l，m组合）

数据数组：

• 光谱形式：complex*16, dimension( 1:nlm, 1:Nr ) :: foo_spectral
• 笛卡尔形式：real*8, dimension( 1:Nx, 1:Ny, 1:Nz ) :: foo_cartesian

我正在寻找一种准确有效的方法来将数据从其光谱表示插入到具有 edge-length 的三次笛卡尔网格中2*rMax，以使球域完全适合内部。我只想在 sphere内插值，但是：对于对应于r<rMinor的点rMax<r，三次网格应该有OUTSIDE_DOMAIN值。

目前，我必须将数据从其光谱表示（球形谐波：）foo(Nr,nlm)转换为物理表示（球形网格：） foo(Nr,Ni,Nj)，然后使用 IDL 中的QHULL例程从物理球面网格插值到物理立方网格（foo(Nx,Ny,Nz))（请注意，Nx==Ny==Nz对于立方网格）。

我的数据大小比我现有的代码（用 IDL 编写）可以处理的要大，并且出于我的目的，转换为球形空间是不必要的。我想要一个更直接的独立方法——例如，不依赖于 IDL。

关于如何做到这一点的任何想法？我愿意使用开源库，但不必这样做会很好。

提前致谢！

我需要定义一个“光谱质心”函数来分析音频文件，但我无法将数学公式转换为代码。如果有人可以帮助我，那就太好了，我没有想法。

有问题的公式是：

http://en.wikipedia.org/wiki/Spectral_centroid

我已经能够通过以下方式计算信号的频谱平坦度

这是我如何将数学公式转换为代码的示例。我对此很陌生，所以一个小动作仍然很有挑战性。我找到了有关几何质心的信息，但没有找到关于光谱质心的信息。

我希望检查我的 WAV 文件中的光谱质心 (SC)。

我正在使用以下 MATLAB 代码来执行此操作：

当我输入“SpectralCentroid2(366383, 1024, 128, 44100)”时，MATLAB 会说：

我不知道为什么会出现这个问题。