スペクトラルクラスタリングは非線形な多様体に対してクラスタリングを行う際に用いられる。その性能はクラスタ間が離れている程良い。しかし、データのS/N比が小さくなるにつれ、スペクトラルクラスタリングはよく働かなくなる。これは、スペクトラルクラスタリングでの前処理がパラメータ調節により、クラスタ間を十分に離せることを前提にしているためである。そこで、本稿ではカーネル化したグラフラプラシアン特徴によりS/N比に堅牢な前処理を提案する。グラフラプラシアン特徴は、高い類似度のデータ同士を近づけ、低い類似度のデータ同士を遠ざける線形変換である。結果では、Kernel GLFによって非線形な多様体を線形な構造に変換できることが確認された。そして、前処理後のデータをK-Meansでクラスタリングすることで、Spectral ClusteringよりS/N比に堅牢なアルゴリズムとなった。
