Quelle est la technologie ML la plus appropriée pour classer/reconnaître des formes de diagramme de dispersion 2D?

Question

Je voudrais pouvoir classer automatiquement un diagramme de dispersion d'entrée dans un ensemble limité et prédéfini de diagrammes de dispersion 2D (voir l'image ci-jointe), tels qu'un cercle, une croix, une ligne droite et une ligne sinueuse - tels que, étant donné tout nouveau nuage de points en entrée, le système peut correctement le classer en recherchant la correspondance de catégorie la plus proche. Idéalement, le processus de classification devrait également être invariant à l'échelle, à la translation et à la rotation. Quelqu'un peut-il suggérer une technologie appropriée pour la formation et la classification de ces modèles 2D?

Answer 1

Il n'a pas besoin d'un classificateur supervisé. La méthode non supervisée comme la classification spectrale est conçue pour ce type de problèmes de clustering non linéaire. Les points épars seront supposés sur une surface de collecteur plutôt que dans un espace euclidien. Toute ligne sinueuse pourrait être considérée comme une surface de collecteur. La distance géodésique est utilisée pour la classification au lieu de la distance euclidienne en forme de boule avec le noyau multiple.