Deep Embedded Clustering with Data Augmentation 1 摘要 文章讲数据增量引入深度嵌入聚类中,提出deep Embedded Clustering with Data Augmentation (DEC-DA)。 首先,用一组增广数据训练一个自动编码器来构造初始特征空间。 然后对嵌入的特征进行聚类损失约束,进一步学习面向聚类的特征。聚类损失由目标(伪标签)和特征学习模型的实际输出组成, 其中目标通过使用非增强数据计算,输出通过增强数据计算。这类似于带数据增强的有监督训练,并期望有助于无监督聚类。