3.4. РАСПОЗНАВАНИЕ ОБРАЗОВ БЕЗ УЧИТЕЛЯ

Построение кластеров можно рассматривать как задачу распознавания образов без учителя. Пусть для заданного множества образов отсутствует всякая информация, касающаяся числа классов, на которые разбивается выборка. Задачу обучения без учителя можно сформулировать как задачу идентификации классов в заданном множестве образов. Если мы хотим в качестве средства представления использовать центры кластеров, то одним из естественных способов описания заданного множества данных является идентификация кластеров.

В принципе применение алгоритмов кластеризации для решения задачи обучения без учителя не вызывает никаких

затруднений. Пусть задано множество образов классификация которых неизвестна. К ним можно применить один из рассмотренных алгоритмов с тем, чтобы попытаться идентифицировать репрезентативные центры кластеров. Полученные в результате кластеры можно считать классами образов. После того как «классы» определены таким способом, их можно использовать для получения решающих функций с помощью одного или нескольких алгоритмов обучения, которые будут описаны в гл. 5 и 6. С другой стороны, центры кластеров, выделенные в процессе реализации этапа обучения без учителя, можно использовать как основу для построения классификатора, действующего по принципу минимума расстояния.

Из приведенных в этом параграфе замечаний следует, что в принципе синтез системы, реализующей схему распознавания без учителя, в значительной степени опирается на интуицию разработчика и соответствующие эксперименты. Это, естественно, связано с собственно природой задачи выделения кластеров во множестве данных с неизвестными характеристиками.