谱聚类是一种数据聚类算法，它使用数据的相似性矩阵的谱（特征值）在进行较少维度的聚类之前进行降维。

相似度矩阵包括可用数据集中每对点的相对相似度。

谱聚类是一系列算法，用于处理具有复杂网络表示的较大数据集。“大”是指“超过几千个节点但不是巨大的”。您链接到的幻灯片说数学理论是自 1970 年代以来针对无向图开发的。有向图和无向图存在扩展（请参阅您链接到的教程中的幻灯片 20/20）。

对于一些背景，也许阅读第 11 章，特别是 MEJ Newman 的书“网络”的 11.2 和 11.5。11.2 章节标题称为“将网络划分为集群”。 第 11.5 章是“光谱 [图] 分区” - 根据您链接到的http://ranger.uta.edu/~chqding/Spectral/spectralA.pdf中的幻灯片 20，光谱聚类演化的方法。

厚（800页）的书《网络》是跨学科的介绍，而且很冗长，从基础开始。然而，本书讨论了除聚类之外的许多其他事情。它也不在线，也许通过馆际互借获得。

我也喜欢 Andrew Ng 等人 2002 年短论文“关于谱聚类：分析和算法”的介绍，参见“ https://ai.stanford.edu/~ang/papers/nips01-spectral.pdf

...尽管取得了经验上的成功，但不同的作者仍然不同意使用哪些特征向量以及如何从中派生聚类 [...] 此外，对这些算法的分析 [...] 集中在仅使用一个特征向量的简化算法上一次”

但这是 2002 年，从那时起可能发生了很多变化。