2
스펙트럼 클러스터링 알고리즘에 따라 훈련 샘플을 사용하여 몇 개의 중심 {C1 (d1, d2 ... dn), C2 ...}이 있다고 가정합니다. 새로운 테스트 샘플 벡터 (x1, ... xn)가 주어지면 클래스로 가져 오기 위해 무엇을해야합니까?스펙트럼 클러스터링 알고리즘에 의해 계산 된 주어진 샘플을 클래스 센터에 클러스터하는 방법은 무엇입니까?
스펙트럼 클러스터링 프로세스에서 사용한 유사도 행렬은 트레이닝 벡터 간의 유클리드 거리 (Euclidean distance)뿐 아니라 측지선 거리 (Geodesic distance)를 기반으로한다는 점에 유의하십시오. 그래서 거리는 단지 두 개의 벡터로 계산 될 수 없으며 클래스 중심은 K- 평균에서 우리가 할 수있는 것과 같이 쉽게 얻을 수 없습니다.
내가 가진 한 가지 해결책은 k- 가장 가까운 이웃 알고리즘입니다. 다른 해결책이 있습니까?
스펙트럼 클러스터링 방법을 사용하면 "여러 센터를 얻지 못합니다"는 경우 유사도 행렬의 라플라시안의 두 번째로 큰 고유 값과 연관된 고유 벡터를 기반으로 이진 파티션을 얻습니다. – carlosdc
어떤 종류의 스펙트럼 클러스터링 알고리즘을 사용하는지 정확하게 알려주시겠습니까? – Stompchicken
@StompChicken : '어떤 종류의 sc'는 내가 어떤 종류의 라플라시안을 사용하는지 또는 어떤 종류의 거리 매트릭스를 선택 하는지를 의미합니다. – Potemkin