Escolar Documentos
Profissional Documentos
Cultura Documentos
y
𝑘
1
𝑘𝑑𝑒𝑠𝑣𝑛(Γ𝑉𝑘 ) = ∑ 𝑙𝑎𝑧𝑜𝑠𝑛𝑜𝑟(𝑉𝑙 , 𝑉𝑙 \𝑉) (6.5)
𝑘
𝑙=1
Entre los diversos criterios que existen para la optimización de las asociaciones,
únicamente los criterios de desviaciones mínimas [67] y normalizadas [68] tienen esta
propiedad de dualidad. Sin embargo, se prefiere el criterio que emplea desviaciones
normalizadas porque es menos sensible al ruido y a la inicialización de la matriz de pesos
que el método de desviaciones mínimas.
6.3.2 Representación matricial
En adelante el conjunto Γ𝑉𝑘 se representará con la matriz de particiones 𝑴 = [𝑴𝟏 , … , 𝑴𝒌 ]
que indica la pertenencia de un elemento a un grupo, de manera que:
𝑚𝑖𝑙 =< 𝑖 𝜖 𝑉𝑙 >, 𝑖 𝜖 𝑉, 𝑙 = 1, … , 𝑘 (6.8)
donde 𝑚𝑖𝑙 es el elemento 𝑖𝑙 de la matriz 𝑀, 〈. 〉 es un indicador binario: toma el valor de 1 si
su argumento es verdadero y 0 en caso contrario.
Dado que un vértice es asignado a una partición, se debe garantizar que 𝑴𝟏𝒌 = 𝟏𝒏 , donde
𝟏𝒅 , es un vector d-dimensional en el que todos sus valores son iguales a 1.
Sea la matriz D el grado de la matriz de pesos definido como:
𝑫 = 𝐷𝑖𝑎𝑔(𝑾𝟏𝑛 ) (6.9)
donde Diag (.) denota a una matriz diagonal formada por el vector argumento, entonces
las medidas representadas en las ecuaciones (6.1) y (6.3), pueden replantearse como
sigue:
𝑙𝑎𝑧𝑜𝑠(𝑉𝑙 , 𝑉𝑙 ) = 𝑴𝑇𝑙 𝑊𝑴𝒍 (6.10)
𝑔𝑟𝑎𝑑𝑜(𝑉𝒍 ) = 𝑴𝑇𝑙 𝑫𝑴𝒍 (6.11)
Con lo anterior, el criterio de particionado multi-clase puede expresarse como:
𝑘
1 𝑴𝑇𝑙 𝑊𝑴𝒍
max 𝜀(𝑀) = ∑ 𝑇 (6.12)
𝑘 𝑴𝑙 𝑫𝑴𝒍
𝑙=1
−𝟏⁄ −𝟏
𝑷=𝑫 𝟐 𝑾𝑫 ⁄𝟐 (6.17)
La matriz P es estocástica [79], por tanto puede verificarse que 1𝑛 es un vector propio
trivial de P asociado al mayor valor propio que, en este caso, es 1 debido a la
normalización.