更改

1) 对P进行SVD分解（假设P是不可归约的，且具有周期性性，从而存在静态分布）：

1) 对P进行SVD分解（假设P是不可归约的，且具有周期性性，从而存在静态分布）：

<math>P=U\cdot \Sigma \cdot V^{T},</math>

<math>P=U\cdot \Sigma \cdot V^{T},</math>

其中，<math>U</math>和<math>V</math>是两个尺寸为N×N的正交归一化矩阵，<math>\Sigma = diag(\sigma_{1},\sigma_{2},...,\sigma_{N})</math> 是一个对角矩阵，包含所有有序奇异值。

其中，<math>U</math>和<math>V</math>是两个尺寸为N×N的正交归一化矩阵，<math>\Sigma = diag(\sigma_{1},\sigma_{2},...,\sigma_{N})</math> 是一个对角矩阵，包含所有有序奇异值。

2)选择一个<math>

2)选择一个<math>

\epsilon

\epsilon

</math>特征向量构成；

</math>特征向量构成；

4) 通过 K-means 算法将 ̃ P 中的所有行向量聚类为 r 组，得到投影矩阵 Φ，其定义为:

4) 通过 K-means 算法将中的所有行向量聚类为 r 组，得到投影矩阵 Φ，其定义为:

将<math>

将<math>