# 将特征向量进行降维处理 lle = LocallyLinearEmbedding(n_components=2) # 使用LLE算法进行降维 features_lle = lle.fit_transform(features) # 将特征向量进行聚类，自动确定聚类的数量 dbscan = DBSCAN(eps=5, min_samples=2).fit(features_lle) n_clusters = len(set(dbscan.labels_)) # 将每张图片分配到对应的聚类中 for i, label in enumerate(dbscan.labels_): filename = os.listdir('D:/wjd/2')[i] print('{} belongs to cluster {}'.format(filename, label))

这段代码看起来是一个基于特征向量的聚类算法实现，首先使用 LLE 算法将特征向量降维到 2 维，然后使用 DBSCAN 算法进行聚类，自动确定聚类的数量。最后，将每张图片分配到对应的聚类中。其中，eps 和 min_samples 参数是 DBSCAN 算法需要的两个超参数。我想问一下，这段代码中的特征向量是从哪里提取的？