深度嵌入聚类 DEC 总结

最新推荐文章于 2025-03-27 09:00:00 发布
最新推荐文章于 2025-03-27 09:00:00 发布
阅读量6.7k 收藏 47
点赞数 3
分类专栏： 研究方向相关 文章标签： 深度聚类 DEC 源码
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Avery123123/article/details/103188133
版权

深度嵌入聚类 DEC 总结

Deep Embedded Cluster

概述

动机

一般的聚类算法例如K-means，GMM，这些方法速度快，适用于各种各样的问题， 但是，它们的距离度量仅限于原始数据空间，当输入维度较高时，它们往往无效。

DEC 同时学习使用深度神经网络的特征表示和聚类分配

DEC从数据空间学习映射到低维特征空间，在该特征空间中迭代地优化聚类目标

贡献

贡献：
（a）深度嵌入和聚类的联合优化;
（b）通过软分配进行新颖的迭代改进;
（c）得出聚类精度和速度方面最先进的聚类结果；

过程

概述

在这里插入图片描述

软分配

测量嵌入点和质心之间的相似度：
在这里插入图片描述

目标分布（辅助分布）

辅助分布用来衡量样本属于某个聚类的分布：

最低0.47元/天 解锁文章
【数据聚类|深度聚类】Unsupervised Deep Embedding for Clustering Analysis(DEC)论文研读
快乐江湖的博客
03-01 1089
如何优化。
DEC(Deep Embedded Cluster)小结
AndyViky的博客
06-30 7106
Deep Embedded Cluster References: https://zhuanlan.zhihu.com/p/50365577 https://flashgene.com/archives/7798.html https://zhuanlan.zhihu.com/p/28967965 http://proceedings.mlr.press/v48/xieb16.pdf
【聚类算法解析系列07】聚类与深度学习的结合——深度嵌入聚类（DEC）
最新发布
熵数实验室
03-27 1179
数据本质是连续流形上的概率分布，而非离散样本点的集合——这正暗合了爱因斯坦"场论"对经典力学的超越。在20量子位系统中，MNIST分类准确率达85%，耗时仅经典DEC的1/1000。其中系数比( \alpha:\beta:\gamma )决定优化轨迹的相变路径。：BraTS 2023脑肿瘤数据集（3D MRI，4模态）在100家医院联合训练中，模型AUC提升12%，数据不出域。在8xA100集群上，训练速度提升6.8倍。模型体积缩小至1/4，推理延迟降低至8ms。
对聚类经典文献（DEC——无监督的深度嵌入式聚类）的学习（续）
llismine的博客
06-02 4507
本文主要是本人的学习心得，包括以下两个方面：一、对论文《无监督的深度嵌入式聚类》（DEC）相关知识的学习；二、对DEC代码的学习。详细讲解点击此处：（论文解读）DEC（Deep Embedded Clustering）是一种基于深度学习的无监督聚类方法，它通过将自编码器（Autoencoder）与K-Means聚类相结合来实现端到端的聚类任务。
DEC-DA：Deep Embedded Clustering with Data Augmentation
GYY8023的博客
04-06 1849
Deep Embedded Clustering with Data Augmentation1 摘要2 介绍3 相关工作3.1 Denoising Autoencoder3.2 Deep Embedded Clustering4 DEC_DA5 实验测试6 参考文献 1 摘要 DEC忽视了关键成分：数据增量， 它被广泛应用于监督深度学习模型中，以提高泛化能力。因此，本文提出带有数据增量的深度嵌入...
探索无监督聚类新境界：深度嵌入聚类（Deep Embedding Clustering, DEC）
gitblog_00562的博客
08-24 1048
探索无监督聚类新境界：深度嵌入聚类（Deep Embedding Clustering, DEC） DEC-kerasKeras implementation for Deep Embedding Clustering (DEC)项目地址:https://gitcode.com/gh_mirrors/de/DEC-keras 随着机器学习和深度学习的飞速发展，如何在无需标签数据的情况下高效地进行...
探索未知：深度嵌入聚类IDEC
gitblog_00066的博客
06-12 710
探索未知：深度嵌入聚类IDEC 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在数据挖掘和机器学习的世界中，无监督学习是一个充满挑战的领域，其中深度嵌入聚类（Deep Embedded Clustering, DEC）和其改进版本Improved DEC（IDEC）是近年来的重要研究进展。这个开源项目提供了在Keras框架下的IDEC实现，基于2017年IJCAI会议...
Tensorflow实现的深度嵌入聚类 DEC 无监督学习方法
深度嵌入聚类（DEC）是一种结合了深度学习与聚类算法的技术，用于在高维空间中发现数据的非线性结构，实现特征的降维以及数据的聚类。 2. 无监督学习 无监督学习是机器学习的一个分支，它处理的是未标记的数据。在...
dec-tensorflow:Tensorflow实现“用于聚类分析的无监督深度嵌入”
05-11
Tensorflow中的深度嵌入聚类（DEC） 的Tensorflow实现。 安装 >>> pip3 install -r requirements.txt 训练 usage: train.py [-h] [--batch-size BATCH_SIZE] [--gpu-index GPU_INDEX] optional arguments: -h, --help show this help message and exit --batch-size BATCH_SIZE Train Batch Size --gpu-index GPU_INDEX GPU Index Number 可视化 inference.py返回潜在表示形式（$ z $），并导出z.t
基础深度聚类算法——DEC与SDEC
crisps_ww的博客
11-12 1336
在DEC论文中，聚类过程通过KL散度（Kullback-Leibler Divergence）来优化，并涉及一个非线性映射和一组初始聚类中心。整个过程是一个迭代的无监督学习算法，交替执行步骤，直至满足收敛条件。（1）soft assignment软分配计算论文中详细解释了软分配（Soft Assignment）的计算方法，该方法基于Maaten和Hinton（2008）的研究。软分配是一种衡量嵌入点与聚类中心之间相似度的方法，允许一个样本属于多个聚类的概率分布。具体计算步骤如下：·计算距离。
DEC
ddana_a的博客
08-05 1989
算法（DEC）通过同时学习特征空间Z中的k个聚类中心{μj∈Z} j = 1 … k和将数据点映射到Z的DNN参数θ来对数据进行聚类。两个阶段：（1）使用深度自动编码器进行参数初始化和（2）参数优化（即，聚类），在此过程中，我们在计算辅助目标分布与最小化Kullback-Leibler（KL）差异之间进行迭代。我们从描述阶段（2）参数优化/聚类开始，给定θ的初始估计值，且{µj} j = 1，… k。 KL聚类 给定非线性映射fθ的初始估计和初始聚类质心{μj} kj = 1，我们建议使用在两步之间交替的无
推荐使用：pt-dec —— PyTorch实现的深度嵌入聚类算法
gitblog_00100的博客
05-25 762
推荐使用：pt-dec —— PyTorch实现的深度嵌入聚类算法 项目地址:https://gitcode.com/gh_mirrors/pt/pt-dec 在人工智能和机器学习领域，无监督学习的聚类分析正逐渐成为研究的重点。今天，我们要向您推荐一个基于PyTorch的优秀开源项目——pt-dec，这是一个实现了深度嵌入聚类(Deep Embedded Clustering, DEC)算法的库。...
论文笔记-DEC (Deep Embedded Clustering)
weixin_45739483的博客
11-08 2710
论文笔记-DEC (Deep Embedded Clustering）知识点1.将聚类的度量参考T-SNE中的t-分布，将聚类的度量转换成一个概率值（软分配，qij 表示将样本 i 分配给 j 簇的概率）：知识2. 作者定义一个辅助分布 p ，通过KL散度衡量 p 和 q 两个分布构造损失函数L 论文原文：http://proceedings.mlr.press/v48/xieb16.pdf 知识点1.将聚类的度量参考T-SNE中的t-分布，将聚类的度量转换成一个概率值（软分配，qij 表示将样本 i 分配
Deep Embedded Clustering with Asymmetric Residual Autoencoder
qq_44944580的博客
10-09 556
出于为了解决AE中的梯度消失，是否可以使用残差网络或者dense net解决的心态，我搜到了这篇文章Deep Embedded Clustering with Asymmetric Residual Autoencoder。 本文的亮点： 使用了一个非对称的、残差的autoencoder来训练样本； 将clustering融合入模型，解决end-to-end问题； 非对称训练得到的AE更加适合clustering； 因为将模型融合，导致AE的训练存在一些constraint（满足clu.
深度图嵌入聚类图例
小海鲜的博客
08-10 488
深度FCM+图嵌入 IDEC+图嵌入
对聚类经典文献（DEC——无监督的深度嵌入式聚类）代码部分的学习
llismine的博客
05-25 933
torch.pow(z.unsqueeze(1) - self.cluster_layer, 2)：对差值张量中的每个元素进行平方操作，得到一个形状为 (batch_size, n_clusters, n_z) 的平方张量。#这段代码中的参数是神经网络中的层参数，包括输入维度(n_enc_1)和输出维度(n_enc_2)。#torch.Tensor(n_clusters, n_z) 用于创建一个大小为 (n_clusters, n_z) 的张量，它包含了聚类层的权重参数 n_z 是自编码器的输出维度。
**深度嵌入聚类利器：pt-dec探索**
gitblog_01148的博客
08-15 520
深度嵌入聚类利器：pt-dec探索 项目地址:https://gitcode.com/gh_mirrors/pt/pt-dec 在这个数据驱动的时代，无监督学习在挖掘数据潜在价值方面发挥着越来越重要的作用。今天要为大家介绍的，就是一款基于PyTorch框架实现的深度嵌入聚类（Deep Embedded Clustering）算法——pt-dec，它以其强大的功能和优秀的性能，在众多无监督学习工具中...
DEC-Keras: 深度嵌入聚类的Keras实现
gitblog_00041的博客
04-18 405
DEC-Keras: 深度嵌入聚类的Keras实现 DEC-kerasKeras implementation for Deep Embedding Clustering (DEC)项目地址:https://gitcode.com/gh_mirrors/de/DEC-keras 是一个基于Python和Keras的深度学习库，用于无监督数据聚类。该项目由郭熙锋开发，旨在简化和加速深度嵌入聚类（D...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值