Ng et al. [10] study k-way clusteri

Ng et al. [10] study k-way clustering and show that the eigenvectors of the graph Laplacian are stable
in 2-norm under small perturbations. This justifies the use of k-means in the perturbed subspace
since ideally without noise, the spectral embedding by the top k eigenvectors of the graph Laplacian
reflects the true cluster memberships, However, closeness in 2-norm does not translate into a strong
bound on the total number of errors made by spectral clustering.

Results (Indonesian) 1:

Ng et al. [10] studi k-cara pengelompokan dan menunjukkan bahwa eigenvectors grafik Laplacian stabildalam 2-norma di bawah menemukan perputaran kecil. Ini membenarkan penggunaan k-cara untuk perturbedkarena idealnya tanpa kebisingan, embedding spektral oleh eigenvectors k atas grafik Laplacianmencerminkan benar cluster keanggotaan, namun, rasa kebersamaan dalam 2-norma tidak menerjemahkan ke dalam yang kuatterikat pada jumlah kesalahan yang dibuat oleh spektral pengelompokan.