深度聚类(deep clustering)中的自监督(self-supervised)表示学习(representation learning)
序言两年之前开始学习深度聚类,首先是被其面对高维复杂海量数据时聚类效果的大幅度提升所吸引,两年之前那个“意气风发”的我读了几篇论文,以为自己已了解其主体,便动手写了那么几篇论文,结果是被现实摁在地上狠狠的摩擦。我开始重新审视这个方向。深度聚类中,深度模型的多样化,经典的有自动编码器AE,变分自动编码器 VAE,生成对抗网络GAN,高斯混合模型GMM以及近几年流形起来的图神经网络GCN等,聚类算法的多样性有经典的kmeans,凝聚聚类,谱聚类等。我把自己的目标定位在神经网络部分,而每类神经网络模型都是被损失
原创
2021-12-14 19:35:26 ·
3538 阅读 ·
1 评论