Image processing 支持向量机和聚类？混乱

我正在读一篇关于语言分类的论文。除了一个部分外，这篇论文相当“容易”理解。它们同时使用聚类和支持向量机分类。我已经读了很多次这篇文章，但我不能确切地理解他们何时以及为什么做svm分类

它们将特征空间聚集在一起，这很公平。但是支持向量机的目的是什么？系统的训练是通过多类支持向量机实现的吗

这就是我对它的理解；该算法首先利用支持向量机对系统进行训练，然后对每幅图像进行特征提取和聚类

这对你来说可能听起来很幼稚，但我是这个领域的新手，我真的很难理解这一点！非常感谢，提前

我正在谈论的论文。

（I）他们通过边缘/轮廓检测等图像处理算法从图像中提取低级形状特征（三重相邻轮廓段（TA）），（ii）他们定义了特征相异性，（iii）他们定义了核函数，并使用该函数作为聚类的标准，（iv）他们使用支持向量机学习与给定聚类对应的标签（语言）

---

无监督聚类方法主要帮助根据形状特征将不同的语言划分为不同的组，但鉴于我们已经知道多个手写体代表同一种语言，我们仍然不知道它们是哪种语言。因此，需要有监督的学习。

是有意义的。谢谢。