![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
聚类论文理解
lllllpf
这个作者很懒,什么都没留下…
展开
-
DTCR(Learning Representations for Time Series Clustering)论文理解
DTCR模型结构: 一.模型思路来源: 重构损失能够包含以前时间序列的相关特性,但学到的特征对分类任务并不一定适用。为使学到的特征形成类结构,从而获得特定于类的表示,所以模型中引入了k-means。另外,在序列到序列的模型中,encoder的能力越好,学到的潜在特征越好。因此为了提升encoder的能力,在模型中加入了假样本生成和辅助分类机制 二.损失函数解析 1.重构损失 Lreconstruction=1n∑i=1n∣∣xi−xi^∣∣22 L_{reconstruction}=\frac{1}{n}原创 2020-07-16 15:17:54 · 1565 阅读 · 0 评论 -
DTC(Deep Temporal Clustering--Fully Unsupervised Learning of Time-Domain Features)论文理解
DTC网络模型图: 整体网络模型的损失函数为:重构损失+聚类损失,即MSE+KL 一、MSE 经过TAE(temporal autoencoder)层,在输出和输入之间求重构损失MSE,TAE层具体网络类型结构见上图 二、聚类层 1.先将所有样本分为k个部分以获得簇,再对每个簇的元素求平均来获取初始的簇中心。 2.训练过程:①计算xi属于第j个簇的概率,xi的潜在特征zi离第j个簇中心wj越近,则xi属于第j个簇的概率越大;②用loss function更新簇中心,这个loss function最大化高信原创 2020-07-16 15:16:41 · 1058 阅读 · 0 评论 -
ClusterGAN: Latent Space Clustering in Generative Adversarial Networks论文理解
目的:使用GAN在隐空间中进行聚类 一、背景 普通GAN的训练过程:minθGmaxθDEx∼Pxrq(D(x))+Ez∼Pzq(1−D(G(z)))min_{\theta G}max_{\theta D}\textbf{E}_{x\sim P^r_x}q(D(x))+\textbf{E}_{z\sim P_z}q(1-D(G(z)))minθGmaxθDEx∼Pxrq(D(x))+Ez∼Pzq(1−D(G(z))),它无法在隐空间很好地聚类。 原因:GAN聚类的一个可能的方式是将数据反向传播到原创 2020-07-16 15:13:50 · 416 阅读 · 0 评论