文献学习(partX)--A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and Future Directions

已于 2024-06-12 15:48:06 修改
阅读量45 收藏
点赞数
分类专栏： 机器学习 深度学习 文章标签： 聚类 机器学习 深度学习
于 2022-12-08 21:06:48 首次发布
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/m0_37422217/article/details/128224724
版权
机器学习 同时被 2 个专栏收录
413 篇文章 55 订阅 ¥99.90 ¥299.90
订阅专栏
深度学习
20 篇文章 1 订阅
订阅专栏

学习笔记，自给自足

文章目录

A Comprehensive Survey on Deep Clustering: Taxonomy, Challenges, and Future Directions

Abstract

聚类是一项基本的机器学习任务，在文献中已经被广泛研究. 经典的聚类方法遵循的假设是，通过各种表征学习技术，将数据以矢量的形式表示为特征. 随着数据变得越来越复杂，浅层（传统）聚类方法已经无法处理高维数据类型. 随着深度学习的巨大成功，特别是深度无监督学习，在过去的十年中，许多具有深度架构的表示学习技术被提出. 一个直接的方法是先学习深度表征，然后再将其输入浅层聚类方法. 然而，这并不理想，原因是：i）表示不是直接为聚类而学习的，这限制了聚类性能. ii）聚类依赖于实例之间的关系，而这种关系是复杂的，而不是线性的. iii）聚类和表示学习是相互依赖的，应该是相互促进的. 为了应对上述挑战，人们提出了深度聚类的概念，即联合优化表征学习和聚类࿰

了解本专栏 订阅专栏 解锁全文
GUI Research Group
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
创建磁盘分区------linux
patiencezzz的博客
06-04 202
创建磁盘分区  问题 使用parted工具修改硬盘分区 基于现有的空闲空间，新建2个1GB的分区 练习parted的交互式/非交互式用法 识别新的分区表 使用partx或partprobe工具 或者reboot  方案 分区方式有两种分别是MBR、GPT，分区工具也有两种命令fdisk、parted。 Parted命令支持GPT分区方式，而fdisk不支持。parted支持18EB超大空间，...
linux partx命令,Linux中partx命令的8个实用案例
weixin_33199715的博客
05-04 2632
1. 前言本文主要讲解Linux中partx命令的8个实用案例。partx是一个简单但有用的命令行工具，用于维护Linux系统。它用于告诉内核磁盘上分区的存在和编号。在本教程中，我们将通过Linux中的使用案例解释有用的partx命令用法。注意，您需要使用root权限运行partx，否则使用sudo命令来获得root权限。2. 要列出磁盘的分区表，可以运行下面的任何命令。注意，在这种情况下，par...
ceph-disk & ceph-osd启动流程(by quqi99)
技术并艺术着
07-25 3915
版权声明：可以任意转载，转载时请务必以超链接形式标明文章原始出处和作者信息及本版权声明 (作者：张华 发表于：2018-07-25) 问题 客户重启物理机之后发现有一些OSD没有启动成功, 但手动运行ceph-disk命令(ceph-disk -v activate –mark-init systemd –mount /var/lib/ceph/osd/ceph-1)可以成功.从众多无关错误日...
使用partx重读磁盘分区信息及自动挂载分区的方法
wudi1107的博客
05-25 6780
在之前的帖子《Linux调整分区后Grub修复》中提到，Linux调整磁盘分区大小后会出现Grub引导损坏的问题，可以参考那篇帖子中的方法，进入grub rescue进行修复。 但是修复后进入系统后发现，随着磁盘调整，以前自动挂载的盘符也不见了，只剩下了File System。但是利用fdiisk -l 能看到所有分区的存在，说明内核没有识别重新调整后的分区。
Linux 命令学习 -磁盘分区和格式化
qq_50929489的博客
09-29 5446
Linux 命令学习 -磁盘分区和格式化
orb算法matlab代码-Computer_Vision_Basics:计算机视觉基本算法。SIFT，ORB，帧匹配，拼接，基本全景
05-24
运行每个部分的步骤-a。 转到每个部分并解压缩vlfeat-0.9.21.rar文件夹。 该文件夹包含SIFT的代码，该代码已从下载-并被大量引用。 b。 Matlab的第一个工作路径应该是零件目录的设置。 为了让我运行part1代码，我...
磁盘管理命令之partx，lsblk，blkid，partprobe_ITPUB博客.mhtml
08-19
磁盘管理命令之partx，lsblk，blkid，partprobe_ITPUB博客.mhtml
linux学习教程：Vim编辑器和恢复ext4下误删除文件-Xmanager工具
Xiadaoanquan123的博客
12-21 467
本人从事IT行业已有十多年，有着丰富的实战经验，总结了大量的学习方法，更是积累了很多的学习资料，很高兴能在这里跟大家交流学习，希望能在这里跟大家共同进步和成长！ 全套学习资料移步至公众号【学神来啦】更多学习资料添加扣扣资源群：661308959 本节所讲内容： 4.1 vim的使用 4.2 实战：恢复ext4文件系统下误删除的文件 4.3 实战：使用xfs_undelete恢复误删除文件 4.4实战：使用xmanager等远程连接工具管理Linux 4.1...
sheng的学习笔记-AI-半监督聚类
coldstarry的专栏
08-30 1635
聚类是一种典型的无监督学习任务，然而在现实聚类任务中我们往往能获得一些额外的监督信息，于是可通过半监督聚类(semi-supervised clustering)来利用监督信息以获得更好的聚类效果。聚类任务中获得的监督信息大致有两种类型。第一种类型是“必连”(must-link)与“勿连”(cannot-link)约束，前者是指样本必属于同一个簇，后者是指样本必不属于同一个簇；第二种类型的监督信息则是少量的有标记样本。
基于 AC 驱动的电容结构 GaN LED 模型开发和应用
simucal的博客
09-06 434
为了深入理解该器件的工作原理，我司技术团队开发了基于 AC 驱动的物理解析模型，揭示了隧穿结降低器件工作电压的内在机理，丰富了研究人员对 AC 驱动 GaN LED 技术的理解，有助于进一步促进纳米尺寸显示技术的发展。图2（c）表明能带在-40 V 反向偏压下发生大幅弯曲，具有 TJ 结的 LED 可以提供更多的感应电子【见图2（d）】，在耗尽区电场的加速下碰撞离化，从而导致更低的反向导通电压。图2（e）进一步证明具有 TJ结的LED 结构的碰撞离化分布更宽，LED 的工作电压能够被有效降低。
【机器学习】朴素贝叶斯方法的概率图表示以及贝叶斯统计中的共轭先验方法
ya的博客
09-06 820
朴素贝叶斯方法的概率图表示是一种非常有用的视觉工具，它帮助我们理解模型的假设和结构尽管存在这些局限性，朴素贝叶斯分类器由于其简单性和在某些情况下的有效性，仍然是数据科学家和机器学习工程师常用的一种工具。在实际应用中，通常会结合其他算法和技术来克服这些限制，或者在其他算法不适用时作为基准模型如果一个先验分布与似然函数结合后，其后验分布与先验分布属于同一分布族，那么这个先验分布被称为共轭先验。
机器学习（ML）算法分类
m0_46171719的博客
08-28 400
机器学习算法种类繁多，每种算法都有其独特的优势和适用场景。在选择算法时，需要根据具体问题的性质、数据的特征以及预期的结果来综合考虑。同时，随着机器学习技术的不断发展，新的算法和模型不断涌现，为解决复杂问题提供了更多的可能性。机器学习（ML）算法是一个广泛而多样的领域，涵盖了多种用于数据分析和模式识别的技术。监督学习算法使用标记（即已知结果）的训练数据来训练模型，以便对新数据进行预测。无监督学习算法不需要标记的训练数据，而是从数据中自动发现隐藏的模式或结构。
机器学习如何用于音频分析？
gongdiwudu的专栏
09-03 1181
近十年来，机器学习越来越受欢迎。事实上，它被用于医疗保健、农业和制造业等众多行业。随着技术和计算能力的进步，机器学习有很多潜在的应用正在被创造出来。由于数据以多种格式大量可用，因此现在是使用机器学习和数据科学从数据中提取各种见解并使用它们进行预测的合适时机。机器学习最有趣的应用之一是音频分析和分别了解不同音频格式的质量。因此，使用各种机器学习和深度学习算法可确保使用音频数据创建和理解预测。
基于sklearn的机器学习 — KNN
09-06 636
k-nearest neighbors（KNN）算法是监督机器学习中最简单但最常用的算法之一。KNN通常被认为是一种惰性的学习算法，从技术上讲，它只是存储训练数据集，而不经历训练阶段。KNN的原理是将新样本的特征与数据集中现有样本的特征进行比较。然后通过算法选择最接近的k个样本（k是自定义参数），新样本的输出是基于"k"最近样本的多数类(用于分类)或平均值(用于回归)确定的。
机器学习之实战篇——MNIST手写数字0~9识别（全连接神经网络模型）
2301_79376014的博客
09-06 644
MNIST数据集是机器学习和计算机视觉领域中最知名和广泛使用的数据集之一。它是一个大型手写数字数据库，包含 70,000 张手写数字图像，60,000 张训练图像，10,000 张测试图像。每张图像是 28x28 像素的灰度图像素值范围从 0（白色）到 255（黑色），每张图像对应一个 0 到 9 的数字标签。在实验开始前，为了熟悉这个伟大的数据集，读者可以先做一下下面的小实验,测验你的手写数字识别能力。# 加载MNIST数据集# 随机选择100个样本# 显示图像plt.show()
【最新综述】基于机器学习的超声焊接缺陷无损检测
qq_43583311的博客
09-06 1435
近年来，机器学习（ML）在无损检测（NDE）数据自动分析中的应用大幅增加。其中一个值得关注的应用是使用 ML 分析核电和其他行业焊缝在役检查的数据。这些类型的检查是根据 ASME 锅炉和压力容器规范中描述的标准进行的，需要使用可靠的无损检测技术。ML 方法的快速发展和可能方法的多样性表明，有必要评估当前用于无损检测的 ML 和自动数据分析的能力，并找出当前应用于无损检测数据自动分析的 ML 技术中存在的差距或不足。特别是，需要确定 ML 对无损检测可靠性的影响。本文讨论了有关用于自动分析焊接缺陷超声无损检测
机器学习--KNN算法
最新发布
KongMingJue的博客
09-06 180
knn算法针对有监督学习，分为2种：聚类和回归。
【机器学习】表示学习的基本概念和方法以及编解码结构的基本概念
ya的博客
09-03 1301
总的来说，表示学习是机器学习中的一个重要领域，它通过学习数据的表示形式，使得机器学习模型能够更好地理解和处理复杂数据在选择表示学习方法之前，最好能够对几个候选方法进行初步的评估和比较。这可能包括阅读相关文献、观看教程、尝试简单的项目，以及考虑其他开发者和专家的意见。通过这些方法，你可以更全面地了解每个方法的优缺点，从而做出最适合你项目的决策处理表示学习过拟合问题时，通常需要综合运用多种策略。通过仔细设计和调整模型，可以有效减少过拟合的风险，提高模型的泛化能力。
评论
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

打赏作者

GUI Research Group

谢谢支持！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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