Structural Deep Clustering Network
整个模型大概包括三部分:深度神经网络模块,图卷积模块和双重自监督模块。
这篇文章写的是聚类算法,但是值得学习的是:它利用传输因子将深度神经网络模块和卷积模块融合
深度神经网络模块主要是利用自编码器学习数据自身的特性,损失函数为解码器的重构数据和原始数据之间的误差:
图卷积模块主要是将图卷积层学到的GCN特定表征和自编码器学到的特征表征进行结合,然后通过在KNN图上进行传播学习到结构信息。
与标准图卷积层不同,我们的图卷积模块为了同时学习到GCN的表征和自编码器的表征,引入了一个传递算子,它将两个表征进行加权求和:
双重自监督模块主要有两个作用,一是引入聚类信息来指导模型学习更好的数据表征;二是指导深