Huang et al. [7] study the misclust

Huang et al. [7] study the misclustering rate of spectral clustering under the somewhat unnatural
assumption that every coordinate of the Laplacian’s eigenvectors are perturbed by independent and
identically distributed noise. In contrast, we specify our noise model as an additive perturbation to
the similarity matrix, making no direct assumptions on how this affects the spectrum of the Laplacian.
We show that the eigenvectors are stable in 1-norm and use this result to precisely bound the
misclustering rate of our algorithm.

Results (Indonesian) 1:

Huang et al. [7] studi tingkat misclustering spektral pengelompokan di bawah yang agak tidak wajarasumsi bahwa setiap koordinat Laplacian eigenvectors terganggu oleh independen danidentik didistribusikan kebisingan. Sebaliknya, kita menentukan model suara kami sebagai gangguan aditif untukkesamaan matriks, membuat asumsi tidak langsung pada bagaimana ini mempengaruhi spektrum Laplacian.Kami menunjukkan bahwa eigenvectors stabil dalam 1-norma dan menggunakan hasil ini untuk tepatnya terikatmisclustering tingkat algoritma kami.

Results (Indonesian) 2:

Huang et al. [7] mempelajari tingkat misclustering clustering spektral bawah agak tidak wajar
asumsi bahwa setiap koordinat vektor eigen Laplacian ini yang terganggu oleh independen dan
kebisingan terdistribusi secara identik. Sebaliknya, kita tentukan model kebisingan kami sebagai gangguan aditif untuk
matriks kesamaan, tidak membuat asumsi langsung tentang bagaimana hal ini mempengaruhi spektrum Laplacian.
Kami menunjukkan bahwa vektor eigen stabil di 1-norma dan menggunakan hasil ini untuk tepat terikat
misclustering tingkat algoritma kami.