支持向量机和集群？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，这篇论文非常“容易”理解。他们同时使用聚类和 svm 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？系统的训练是通过多类svm实现的吗？

我是这样理解的；首先，他们使用 svm 来训练带有标签图像的系统，其次他们提取特征，并对每个图像的类内的特征进行聚类。

这对您来说可能听起来很幼稚，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（三重相邻轮廓段 (TAS)），(ii) 他们定义了特征相异性，(iii ) 他们定义了一个核函数，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帮助根据形状特征将不同的语言分为不同的组，但鉴于我们已经知道几个笔迹代表同一种语言，仍然不知道它们是哪种语言。因此，需要进行监督学习。