ICML-16 IJCAI-19 WWW-2020 joint embedding and clustering

文章信息

ICML16 提出DEC， 联合 学习 clustering 和embedding， 针对的是图片数据。 两者是 一个阶段。 从tsne出发，采用t分布，衡量样本和类别中心的距离。从而分配 软聚类标签。 采用KL散度 对两个分布损失进行优化。



目标分布p 是 q的二次，采用类别频率归一化后的结果 被成为 auxiliary target distribution。
优化过程：

--------- ——— — —— ------ ---- --------- - ----- ---------- ----------- ------------- --------- ------- ------- ------------ ------------- -------

将上面对于image方法 用到graph上， tricks ：1 。 encoder 采用GAT， 2： 对于 attention，说采用高阶信息 ，实验中也只是 采用2阶。
decoder 采用内积，其余和上一篇一样

---

多视图聚类
tricks： 1. 采用shared encoder 对多个 视图进行 特征提取 （ 一方面 加速 另一方面 能够 交互不同的视图） 2. decoder是 多个decoder 来重建 多个邻接矩阵， decoder 不是简单的内积，而是 内积形式上加了一个 W参数矩阵。 3. 损失是 重构+ 自训练dec的方法 注意: 这个单独的encoder 选取的方法 ：是 聚类后 通过聚类指标算出来，从多个encoders选了一个最好的

encoder：选取

decoder：

自训练+优化

和DEC类似