谱聚类是一种基于图论的聚类方法，其将带权无向图划分为两个或两个以上最优子图，子图内部相似且间距离较远以实现聚类，其本质是将聚类问题转化为图的最优划分问题，是一种点对聚类算法。
相比传统聚类算法，谱聚类具有在任意形状样本空间上聚类，可收敛于全局得出最优解，该算法根据给定的样本定义一个亲合矩阵，其被用于描述成对数据点的相似度，并以此计算矩阵的特征值和特征向量，选择合适的特征向量聚类不同的数据点，谱聚类算法最初用于计算机视觉、 VLSI 设计等领域，2005 年才开始用于机器学习。
谱聚类的特点
谱聚类是广泛使用的聚类算法，其对数据分布的适应性比 K-Means 算法强，聚类效果优秀，同时聚类的计算量更小，而且实现起来也不复杂。
谱聚类的方法
聚类是把样本合理地分成两份或者 K 份，从图论的角度来看，聚类问题相当于图的分割问题。
给定一个图 G = ( V , E ) ，其中顶点集 V 表示各个样本，带权的边表示各个样本之间的相似度，谱聚类目的是要找到一种合理分割的方法，使得分割后连接子图的边权重尽可能低，同子图内的边的权重尽可能高。
子级词：聚类
相关词：图论