Метрики близости изображений на основе всплесков и их применение

Под кластеризацией принято понимать метод разбиения данных, при котором объекты, имеющие некоторое сходство по интересующему измерению, находятся близко друг к другу, в то время как объекты, отличающиеся друг от друга, расположены дальше. Например, в случае изображений в качестве данного измерения выступает схожее распределение цветов в соответствующих областях. Вследствие этого изображения будут отнесены к одному и тому же кластеру по внешнему виду с точки зрения восприятия цветов. Стоит учесть, что при решении задачи кластеризации одной из сложностей является не только выбор подходящего алгоритма. При использовании иерархических алгоритмов кластеризации необходимо заранее построить матрицу близости на наборе данных. Для ее построения на каждой паре объектов рассчитывается значение выбранной меры близости. Она должна предоставлять некую численную оценку схожести или, наоборот, различия двух объектов. В данной работе были рассмотрены меры близости, основанные на вейвлет-преобразованиях. А именно проведено сравнение результатов кластеризации с частичным привлечением учителя на графах, построенными с использованием различных мер близости.