Prezentacja dotyczy wykorzystania narzędzi wytworzonych na gruncie spektralnej teorii grafów do celów grupowania oraz uczenia częściowo nadzorowanego.
Po krótkim przedstawieniu wariantów i własności macierzy L stanowiącej tzw. laplasjan grafu podaję sposób wykorzystania wektorów własnych tej macierzy w algorytmie grupującym. Nałożenie warunków brzegowych na ów laplasjan pozwala skonstruować algorytm uczenia częściowo nadzorowanego.
Zasadniczym problemem w omawianym podejściu jest kosztowny proces wyznaczania wektorów własnych macierzy L. Przedstawiam elementy rozwijanego od mniej więcej dekady "Przetwarzania Sygnałów na Grafach" (Signal Processing on Graphs), które umożliwia tworzenie efektywnych algorytmów grupowania przeznaczonych do analizy dużych zbiorów danych.