近年来谱聚类算法被广泛应用于图像分割领域，而相似性矩阵的构造是谱聚类算法的关键步骤。 针对传统谱聚类算法计算复杂度高难以应用到大规模图像分割处理的问题，提出了基于半监督的超像素谱聚类彩色图像分割算法。该算法利用超像素将彩色图像进行预分割，利用用户提供的少量标记信息构造预分割区域的基于半监督的模糊相似性测度，利用该相似性测度构造预分隔区域的相似性矩阵并通过规范切图谱划分准则对预分割区域进行划分得到最终的图像分割结果。由于少量标记信息和模糊理论的引入，提高了传统谱聚类的分割性能，对比实验也表明该算法在分割效果和计算复杂度上都有较大的改善。

基于任务段的航空发动机载荷谱聚类方法研究

谱聚类，数据集为大家熟悉的TwoMoons,还有SPL的字母字样的数据，用谱聚类实现之后，可以得到较好的结果。

中文文本相似度讨算是中文信息处理相关研究领域中的重要基础， 在信息检索、 知识挖掘、 舆情分析等领域中有着广泛应用。 目前的中文文本相似度计算方 法大多是从文本的字形层面而不是从文本内容语义理解上计算文本间的相似度，这样得到的相似度值往往与人们的主观理解不一致。 本文深入分析和研究了当前 基于语义的中文文本相似度计算方法， 并针对方法中存在的问题进行改进， 使计 算得到的相似度能够更为准确地反映中文文本间的话义相似性。

matlab编写的多路谱聚类（NJW）算法。

这是一个将规范切谱聚类算法和SVM支持向量机相结合的算法，可用于图像分割等

【图像分割】基于谱聚类算法实现图像分割matlab源码.md

光谱匹配Matlab代码MUSCARI（多任务谱聚类算法） 穆斯卡里（Muscari）是一种新的基于多任务图的聚类算法，通过使用物种与物种之间的系统发育关系，共同从物种特定的全基因组共表达网络中跨物种识别基因共表达模块（或子网络）。共表达矩阵的基于图的性质。 穆斯卡里（Muscari）基于Arboretum-HiC（）多任务图聚类算法，该算法将每个任务定义为一个光谱图聚类问题，每个物种一个，多任务学习框架同时搜索相互作用的基因组同时考虑了物种之间的系统发育关系。 与植物园HiC不同，穆斯卡里输入是基因表达矩阵，该矩阵转换为完全连接的加权基因共表达网络。 安装 1.所需环境 matlab（R2006a或更高版本）：仅对于生成特征向量矩阵是必需的 2.下载代码 code / ：穆斯卡里编码目录 run_muscari.sh ：穆斯卡里的包装程序运行脚本。 该脚本需要其他两个后续脚本： eigvecmat_calc.m：特征向量矩阵计算脚本 run_eigvecmat_calculation.m：用于运行eigvecmat_calc.m的包装器脚本 3.编写穆斯卡里代码 运行代码/ Make

这是一篇介绍谱聚类方法的书，主要涉及到谱聚类的原理，过程以及证明。英文版。