Как сгруппировать данную выборку в центры классов, рассчитанные по алгоритму спектральной кластеризации?

Question

Предположим, мы получили несколько центров {C1 (d1, d2 ... dn), C2 ...} с обучающими выборками в соответствии с алгоритмом спектральной кластеризации.Если задан новый вектор тестового образца (x1, ... xn), что я должен сделать, чтобы получить его в классе?

Обратите внимание, что матрица подобия, которую мы использовали в процессе спектральной кластеризации, основана не толькона евклидовом расстоянии между обучающими векторами, но на геодезическом расстоянии.Таким образом, расстояние не может быть вычислено только с двумя векторами, и центр класса не так легко получить, как мы можем с помощью K-средних.

Одним из решений, которое я получил, является алгоритм k-ближайшего соседа.Есть ли другие решения?

Answer 1

В случае спектральной кластеризации, результат не подлежит обновлению в том смысле, что если вы добавите еще один экземпляр / вектор, вам придется повторить весь процесс, повторно вычислив матрицу аффинности / лапласиана, выполняя собственную декомпозицию, а затем кластеризуя строки сокращенной матрицы.