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.

Results (Indonesian) 2:

Ng et al. [10] studi k-cara clustering dan menunjukkan bahwa vektor eigen dari grafik Laplacian stabil
di 2-norma di bawah gangguan kecil. Ini membenarkan penggunaan k-cara di ruang bagian terganggu
karena idealnya tanpa suara, spektral embedding oleh vektor eigen k atas grafik Laplacian
mencerminkan keanggotaan klaster benar, Namun, kedekatan di 2-norma tidak diterjemahkan ke dalam yang kuat
terikat pada total jumlah kesalahan yang dibuat oleh pengelompokan spektral.