Предположим, что мы получили несколько центров {C1 (d1, d2 ... dn), C2 ...} с обучающими образцами в соответствии с алгоритмом спектральной кластеризации. Если задан новый вектор тестового образца (x1, ... xn), что я должен сделать, чтобы получить его в классе?Как скопировать заданный образец в центры классов, рассчитанные с помощью алгоритма спектральной кластеризации?
Заметим, что матрица подобия, которую мы использовали в процессе спектральной кластеризации, основана не только на евклидовом расстоянии между векторами обучения, но и на геодезическом расстоянии. Таким образом, расстояние не может быть рассчитано только с двумя векторами, и центр класса не так легко получить, как то, что мы можем в K-значении.
Одно из решений, которое у меня есть, - это алгоритм k-ближайшего соседа. Есть ли другие решения?
С помощью методов спектральной кластеризации вы не получаете «несколько центров», вы обычно получаете двоичное разбиение на основе собственного вектора, связанного со вторым по величине собственным значением лапласиана матрицы подобия. – carlosdc
Не могли бы вы дать нам более подробную информацию о том, какой именно алгоритм спектральной кластеризации вы используете? – Stompchicken
@StompChicken: Я думаю, что «какой sc» вы имеете в виду, какой я использую лапласиан или какую матрицу расстояния я выбираю. – Potemkin