본 논문은 식물 종 분류에 사용되는 스펙트럴 클러스터링(SC) 알고리즘의 정확도 향상을 위한 새로운 유사도 함수를 제안합니다. 기존 SC 알고리즘은 가우시안 유사도 함수의 분산이나 스케일링에 초점을 맞춘 반면, 본 논문은 가우시안 함수의 밑(오일러 수 e)을 일반적인 'a'로 대체하는 새로운 지수 함수를 제안합니다. 이는 Cheeger's inequality를 기반으로 한 스펙트럴 그래프 이론에 근거하며, Zelnik-Manor et al. (2004)의 지역 스케일링 개념을 통합합니다. 2376개의 콩 종과 1865개의 벼 종에 대한 실험 결과, 제안된 알고리즘은 기존 SC 알고리즘보다 콩 종에서는 35%, 벼 종에서는 11% 향상된 정확도를 보였습니다.
