GYY8023的博客

Towards K-means-friendly Spaces: Simultaneous Deep Learning and Clustering1 摘要2 相关工作3 提出方法1 摘要降维和聚类是现在研究的两大任务。数据样本通过易于聚类的潜在表示得到的，但是实际上，潜在空间到数据的变换可能更复杂。本文将这个变换假设为一种未知的，可能是非线性函数。为了获得聚类友好型的潜层表示和更好的聚类效果...

Deep Embedded Clustering with Data Augmentation1 摘要2 介绍3 相关工作3.1 Denoising Autoencoder3.2 Deep Embedded Clustering4 DEC_DA5 实验测试6 参考文献1 摘要DEC忽视了关键成分：数据增量， 它被广泛应用于监督深度学习模型中，以提高泛化能力。因此，本文提出带有数据增量的深度嵌入...

参考文献GANs学习

A Survey of Clustering With Deep Learning: From the Perspective of Network Architecture1 摘要2 介绍3 准备工作1）前馈全连接神经网络2）前向卷积神经网络4）自编码（*）5）GAN & VAE（*）4 深度聚类的研究1 摘要本文通过对体系结构观点的深入学习，对聚类进行了系统的研究。 具体来说，我们...

Deep Fuzzy K-Means with Adaptive Loss and Entropy Regularization1 摘要文章的主要研究内容(DFKM)：1.讲模糊聚类加入到自动编码器中以提取更合适的深层特征。2.文章提出的DFKM进行深层的特征提取和模糊聚类，并且同时产生更合适的非线性特征映射。3.为了增强模型的鲁棒性，构造了自适应加权损失函数。4.采用熵正则化的方法来...

Unsupervised Deep Embedding for Clustering Analysis摘要DEC是一个使用深度神经网络同时学习特征表示和聚类分配的方法。它学习从数据空间到低维特征空间的映射，其中迭代地优化聚类目标。...

Improved Deep Embedded Clustering with Local Structure Preservation1 摘要2 研究方法3 实验测试4 参考文献

加粗样式Reciprocal Multi-Layer Subspace Learning for Multi-View Clustering1 摘要文章提出的算法：用于多视图聚类的交互多层子空间学习算法。有两个主要组成部分：分层自表示层 Hierarchical Self-Representative Layers (HSRL)和反向编码网络Backward Encoding Networks...