image-processing - 支持向量机和聚类？困惑

Question

我正在阅读一篇关于语言分类的论文。除了一部分之外，这篇论文几乎“容易”理解。他们同时使用聚类和支持向量机分类。我已经多次阅读这篇论文，但我无法完全理解他们何时以及为何进行 svm 分类。

他们对特征空间进行聚类，这很公平。但是svm的目的是什么？系统的训练是通过multi class svm实现的吗？

我是这样理解的；首先，他们使用 svm 用带标签的图像训练系统，其次他们提取特征并将每个图像的类内的特征聚类。

这对您来说可能听起来很天真，但我是这个领域的新手，并且非常努力地理解这一点!非常感谢，提前!

This is我正在谈论的论文。

Answer 1

(i) 他们借助边缘/轮廓检测等图像处理算法从图像中提取低级形状特征(三相邻轮廓线段 (TAS))，(ii) 他们定义了特征差异，(iii) ) 他们定义了一个内核函数，并将该函数用作聚类的标准，(iv) 他们使用 SVM 来学习哪个标签(语言)对应于给定的聚类。

无监督聚类方法主要是根据形状特征帮助将不同的语言分类到不同的组中，但鉴于我们已经知道几种笔迹代表同一种语言，因此仍然不知道它们是哪种语言。因此，需要有监督的学习。