谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 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 、VLS I 设计等领域， 最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the spectrum b

利用SVD实现item-based CF: 优点： 简化数据，去除噪声，提高算法的结果 缺点： 数据的转换可能难以理解 适用数据类型： 数值型数据(Svd decomposition plays an important role in the decomposition of eigenvalues of high-dimensional data, while using low-dimensional data for approximate approximation)