SDEC: Semi-supervised deep embedded clustering

半监督 + DEC，与DEC不同的是，对节点对实施限制，从而减小类内聚类，增加类间距离。
文章：文章链接
代码：代码的Keras实现

半监督聚类

聚类问题本是无监督问题，而半监督聚类算法的监督信息来自哪里呢？来自节点之间是否有连边。有的节点一定属于同一类，而有的节点一定不属于同一类。
第一篇半监督深度聚类文章：Deep transductive semi-supervised maximum margin clustering

模型

• pretrain：SAE，每一层是降噪自编码器
• initialization：对低维嵌入使用k-means获得初始的类中心和样本类别。
• 获得先验知识，矩阵A：pairwise constraints ML和CL
• 目标函数：

其中

算法流程

思考小结

先用堆积自编码器学习到可靠的低维表示，再用目标分布和可靠的节点对引导低维表示趋向于类内近类间远，从而促进聚类。如果不用可靠节点对进行监督，DEC在聚类阶段的目标分布不够可靠，可能会加大表示的便宜，在训练过程中进一步加大偏差。