python实现谱聚类代码并进行可视化

python实现谱聚类代码并进行可视化，内涵样例数据集和代码

# coding=utf-8
import scipy.io as sio
from sklearn.cluster import KMeans
import numpy as np
import random
import copy
import matplotlib.pyplot as plt
import operator

def loaddata（）:  # 读取数据
    file = ‘GaussianData.mat‘
    file = ‘ringData.mat‘
    data = sio.loadmat（file）
    matrix = np.array（data[‘Dataset‘]）
    return matrix
def distance（p1p2）:  # 欧式距离
    return  np.linalg.norm（p1-p2）
def getWbyKNN（datak）:  # 利用KNN获得相似度矩阵
    points_num = len（data）
    dis_matrix = np.zeros（（points_numpoints_num））
    W = np.zeros（（points_numpoints_num））
    for i in range（points_num）:
        for j in range（i+1points_num）:
            dis_matrix[i][j] = dis_matrix[j][i] = distance（data[i]data[j]）
    for idxeach in enumerate（dis_matrix）:
        index_array  = np.argsort（each）
        W[idx][index_array[1:k+1]] = 1  # 距离最短的是自己
    tmp_W = np.transpose（W）
    W = （tmp_W+W）/2  #转置相加除以2是为了让矩阵对称
    return W
def getD（W）:    # 获得度矩阵
    points_num = len（W）
    D = np.diag（np.zeros（points_num））
    for i in range（points_num）:
        D[i][i] = sum（W[i]）
    return D
def getEigVec（Lcluster_num）:  #从拉普拉斯矩阵获得特征矩阵
    eigvaleigvec = np.linalg.eig（L）
    dim = len（eigval）
    dictEigval = dict（zip（eigvalrange（0dim）））
    kEig = np.sort（eigval）[0:cluster_num]
    ix = [dictEigval[k] for k in kEig]
    return eigval[ix]eigvec[:ix]
def randRGB（）:
    return （random.randint（0 255）/255.0
            random.randint（0 255）/255.0
            random.randint（0 255）/255.0）
def plot（matrixCcentersk）:
    colors = []
    for i in range（k）:
        colors.append（randRGB（））
    for idxvalue in enumerate（C）:
        plt.plot（matrix[idx][0]matrix[idx][1]‘o‘color=colors[int（C[idx]）]）
    for i in range（len（centers））:
        plt.plot（centers[i][0]centers[i][1]‘rx‘）
    plt.show（）
def getCenters（dataC）:  # 获得中心位置
    centers = []
    for i in range（max（C）+1）:
        points_list = np.where（C==i）[0].tolist（）
        centers.append（np.average（data[points_list]axis=0））
    return centers
if __name__ == ‘__main__‘:
    cluster_num = 2
    KNN_k = 5
    data = loaddata（）
    W = getWbyKNN（dataKNN_k）
    D = getD（W）
    L = D-W
    eigvaleigvec = getEigVec（Lcluster_num）
    # print eigvaleigvec
    clf = KMeans（n_clusters=cluster_num）
    s = clf.fit（eigvec）
    C = s.labels_
    centers = getCenters（dataC）
    plot（datas.labels_centerscluster_num）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-06-23 11:17  spectral_cluster\
     文件       10200  2017-03-01 21:09  spectral_cluster\Gaussian.txt
     文件        4794  2017-03-01 21:09  spectral_cluster\GaussianData.mat
     文件        2903  2017-03-12 19:32  spectral_cluster\readme.md
     文件       17102  2017-03-01 21:09  spectral_cluster\ringData.mat
     文件       37400  2017-03-01 21:09  spectral_cluster\ringData.txt
     文件        2583  2017-03-12 17:54  spectral_cluster\spectral_clustering.py