l*********
Lv.3 学术文献阅读达人
2020/08/30 23:16
深度嵌入聚类
本文提出了深度嵌入聚类(Deep Embedded Clustering，DEC)——一种在联合优化的特征空间中对一组数据点进行聚类的算法。DEC的工作原理是用自训练目标分布迭代优化基于KL散度的聚类目标，该方法可以看作是半监督自训练的无监督扩展。DEC的框架提供了一种方法来学习一种专门用于聚类的表示。DEC在超参数设置方面提供了改进的性能和鲁棒性，这在无监督任务中尤其重要。DEC还具有线性复杂性的优点，使其可以扩展到大型数据集。实验也验证了该算法的有效性和高效率。
领书计划详情
