Próbuję połączyć kilka obrazów w zależności od kątów między częściami ciała.

Funkcje wyodrębnione z każdego obrazu to:

angle1 : torso - torso
angle2 : torso - upper left arm
..
angle10: torso - lower right foot

Dlatego dane wejściowe są matrycą o rozmiarze 1057x10, gdzie 1057 oznacza liczbę obrazów, a 10 oznacza kąty części ciała z tułowiem. Podobnie testSet ma macierz 821x10.

Chcę, aby wszystkie wiersze danych wejściowych były zgrupowane w 88 klastrów. Następnie użyję tych klastrów, aby dowiedzieć się, do których klastrów należą TestData?

W poprzedniej pracy użyłemGrupowanie K-Means co jest bardzo proste. Po prostu prosimy K-Means, aby zebrać dane w 88 klastrów. I zaimplementuj inną metodę, która oblicza odległość między każdym wierszem danych testowych a środkami każdego klastra, a następnie wybierz najmniejsze wartości. Jest to klaster odpowiedniego wiersza danych wejściowych.

Mam dwa pytania:

Czy można to zrobić za pomocąSOM w MATLABIE? AFAIK SOM są przeznaczone do wizualnego grupowania. Ale muszę znać rzeczywistą klasę każdego klastra, aby móc później oznaczyć moje dane testowe, obliczając, do którego klastra należy.

Czy masz lepsze rozwiązanie?