背景：在 Newman 的 PNAS 2006 论文Modularity and community structure in networks中，第一个特征向量将图分成两个集群，然后每个集群可以进一步通过该集群内节点的修正拉普拉斯算子的特征向量进行划分。这导致进一步的分裂，并且可以实现节点的二叉树类型的结构。这在最大化集群的模块化方面是有意义的。

在 Ng、Jordan 和 Weiss 的 NIPS 2001 论文On Spectral Clustering中，他们简单地采用前个特征向量，然后使用 -means 将特征向量作为特征进行聚类。我知道这并没有最大化模块化，但它对集群有意义。但是，我很好奇它是否最大化任何目标函数。$k$$k$

问题：还有其他方法可以从谱聚类中生成两个以上的聚类吗？

如果我取前个特征向量并根据分量的符号进行聚类怎么办？我会得到个集群吗？对于，它会简化为纽曼算法吗？这有意义吗？如果不是，为什么不呢？$k$$2^k$$k=1$

是否有任何其他方法可以通过采用前个特征向量或通过分层分区来制作两个以上的集群？$k$