深度学习聚类的综述

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 前言   现有的深度聚类算法大都由聚类损失与网络损失两部分构成，从两个视角对现有的深度聚类算法 进行全面综述与总结，即聚类模型与神经网络模型。 整理丨算法进阶 作者 | 凯鲁嘎吉 链接 | http://www.cnblogs.com/kailugaji/ 1. 什么是深度聚类？ 经典聚类即数据通过各种表示学习技术以矢量化形式表示为特征。随着数据变得越来越复杂和复杂，浅层（传统）聚类方法已经无法处理高维数据类型。为了解决改问题，深度聚类的概念被提出，即联合优化表示学习和聚类。 2. 从两个视角看深度聚类 3. 从聚类模型看深度聚类 3.1 基于K-means的深度聚类 参考：聚类——K-means - 凯鲁嘎吉 - 博客园 3.2 基于谱聚类的深度聚类 参考：多视图子空间聚类/表示学习(Multi-view Subspace Clustering ………………………………