图像聚类分析

Question

我有大量需要索引的扫描文档，但是感兴趣的文档只占我的 classifier 需要识别的整个包的一小部分。为了了解 class 的最佳数量以及如何最好地在 class 中合并文档，我想 运行 进行无监督聚类分析。

哪种距离方法更适合捕获结构信息。凝聚层次聚类也会是给定任务的最佳聚类方法吗？谢谢

Answer 1

无监督聚类技术在扫描文档上失败，因为它无法掌握底层结构并最终给出无意义的聚类。因此，该方法存在根本性缺陷。然而，如果文档具有不同的结构，使用深度卷积神经网络进行分类，具有足够的数据和精心选择的不同 类，可以胜过 OCR 技术。