Я пытаюсь сгруппировать некоторые изображения в зависимости от углов между частями тела.
Особенности, извлеченные из каждого изображения:
angle1 : torso - torso
angle2 : torso - upper left arm
..
angle10: torso - lower right foot
Таким образом, входные данные представляют собой матрицу размером 1057х10, где 1057 - количество изображений, а 10 - углы между частями тела и туловищем. Точно так же testSet - это матрица 821x10.
Я хочу, чтобы все строки входных данных были сгруппированы с 88 кластерами. Затем я буду использовать эти кластеры, чтобы найти, в какие кластеры попадают TestData?
В предыдущей работе я использовал очень простую кластеризацию K-средних. Мы просто просим K-Means сгруппировать данные в 88 кластеров. И реализуйте другой метод, который вычисляет расстояние между каждой строкой в тестовых данных и центрами каждого кластера, а затем выбирает наименьшие значения. Это кластер соответствующей строки входных данных.
У меня два вопроса:
Возможно ли это сделать с помощью SOM в MATLAB? AFAIK SOM предназначены для визуальной кластеризации. Но мне нужно знать фактический класс каждого кластера, чтобы позже я мог пометить свои тестовые данные, вычислив, к какому кластеру он принадлежит.
Есть ли у вас лучшее решение?