基于深度学习的无监督聚类（要点摘要）

最新推荐文章于 2023-03-06 14:48:03 发布

金丝猿

最新推荐文章于 2023-03-06 14:48:03 发布

阅读量1.9k

点赞数 3

分类专栏：人工智能 python 文章标签：神经网络深度学习

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/weixin_43975800/article/details/109338745

版权

python 同时被 2 个专栏收录

2 篇文章 0 订阅

订阅专栏

1 篇文章 0 订阅

订阅专栏

总结主要来源于以下文献：

Min, E., Guo, X., Liu, Q., Zhang, G., Cui, J., and Long, J. (2018). A Survey of Clustering with Deep Learning: From the Perspective of Network Architecture. IEEE Access 6, 39501–39514.

无监督聚类，目的是Learn a better data representation with few annotations for data

一、deep clustering网络结构

Loss使用情况比较

四类网络结构的优缺点

1、AE-based（Autoencoder）

AE-based的基本结构

编码器和解码器的网络结构，优化重构损失

$x \rightarrow f_{\phi}(x)\rightarrow g_{\theta}(f_{\phi })$

$\min_{\phi ,\theta } L_{rec} = min \frac{1}{n} \sum_{i=1}^{n} \left \| x_{i} - g_{\theta }(f_{\phi }(x_{i}))\right \|$

$L = \lambda L_{rec} + (1-\lambda ) L_{c}$

2、CDNN-based

CDNN-based结构，没有重构损失

3、VAE-based

VAE-based网络结构

4、GAN-based

GAN-based结构 (a) DAC. (b) CatGAN. (c) InfoGAN

二、Loss函数

三、评价指标

四、应用场景/案例

关注

3
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
基于深度学习的无监督聚类（要点摘要）

总结主要来源于以下文献：Min, E., Guo, X., Liu, Q., Zhang, G., Cui, J., and Long, J. (2018). A Survey of Clustering with Deep Learning: From the Perspective of Network Architecture. IEEE Access 6, 39501–39514.无监督聚类，目的是Learn a better data representation with few ann
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。