论文标题：Normalized cuts and image segmentation
作者：Jianbo Shi and Jitendra Malik
期刊：IEEE
算法：
该算法为最小割的优化。
最小割：构建无向图G=(V, E)，w(i, j)为i和j点之间相似度函数。
上述公式问题：下述情况中，切出一个点的值比左右两半值更小。
算法流程：asso(A , V)表示A中所有点与图中所有点相连的权重。
对于上面的例子，用下述公式可以很明显看出切成两半的值小于切出一个点的值。
要最大化association，最小化disassociation。
总结：Ncut完善了最小割的缺陷，在最小割的运用中可以用Ncut代替。
问题：由于线代学的不太多，矩阵运算不够熟悉，所以算法中的公式推导未理解。有空了还是得回头再看看线代还有矩阵论。到时候再回头来深究深究Ncut。还有2005年有一篇论文讲述怎么应用Ncut算法以及提高效率，叫做《Guiding model search using segmentation》，有空也看看。
问题：由于线代学的不太多，矩阵运算不够熟悉，所以算法中的公式推导未理解。有空了还是得回头再看看线代还有矩阵论。到时候再回头来深究深究Ncut。还有2005年有一篇论文讲述怎么应用Ncut算法以及提高效率，叫做《Guiding model search using segmentation》，有空也看看。