典型文献
基于重构误差的深度聚类方法
文献摘要：
聚类是机器学习的核心任务之一,通常是在无标签条件下,依靠发掘数据潜在的结构进行聚类.近年来,数据的复杂度越来越高,数据隐空间中存在各种冗余复杂的空间结构,传统聚类算法难以从中分离出不同簇的数据.深度学习具有强大的特征表示和非线性逼近能力,在无监督聚类领域也显现出优越性,基于深度学习的聚类模型有效提高了各类复杂数据的聚类结果.该文提出了一种新的端到端深度聚类模型,在自编码器框架下,构建多个不同的聚类子空间,并利用高维样本在多个子空间的低维特征重构原始样本,同时增加一个对样本进行簇预测的网络,利用预测的概率向量对不同簇的解码样本进行加权融合,通过最小化融合样本与原始样本之间的重构误差并对子空间加以约束,最终实现对高维样本的聚类.模型同时兼顾聚类簇的子空间结构和不同簇之间的重构误差,在标准数据集上取得了较好的聚类效果.
文献关键词：
聚类;深度聚类;深度学习;自编码器;模式识别
中图分类号：
作者姓名：
邓祥;俞璐;谢钧;吕昊远;姚昌华
作者机构：
陆军工程大学,江苏 南京 210001;南京信息工程大学,江苏 南京 210044
文献出处：
引用格式：
[1]邓祥;俞璐;谢钧;吕昊远;姚昌华-.基于重构误差的深度聚类方法)[J].计算机技术与发展,2022(11):30-36
A类：
B类：
重构误差,深度聚类,聚类方法,核心任务,无标签,签条,隐空间,聚类算法,特征表示,非线性逼近,逼近能力,无监督聚类,显现出,聚类模型,复杂数据,端到端,自编码器,高维,低维特征,特征重构,概率向量,解码,加权融合,对子,子空间结构,标准数据集,模式识别
AB值：
0.403703
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
