中文

基于球对损失的角度约束嵌入:用于受限聚类的球对方法

机器学习 2025-10-09 v1 人工智能 计算机视觉与模式识别

摘要

受限聚类通过成对约束整合领域知识。然而,现有的深度受限聚类(DCC)方法要么受限于端到端建模中的锚点,要么在学习判别欧几里得嵌入方面难以实现,限制了其可扩展性和实际应用性。为规避其各自的缺陷,本文提出一种新的基于角度约束的嵌入方法,用于DCC,称为SpherePair。通过几何化表述的SpherePair损失,我们的方法忠实地编码成对约束,导致在角度空间中聚类友好的嵌入,有效地将表示学习与聚类分离。SpherePair在保持成对关系且无冲突方面具有优势,无需指定聚类数量,能够推广到未见数据,支持快速推断聚类数量,并得到严格的理论保证。与最先进的DCC方法在多样化基准上的比较评估,以及对理论洞见的实证验证,均确认其卓越的性能、可扩展性和整体实际效果。代码已在我们的仓库中提供。

关键词

引用

@article{arxiv.2510.06907,
  title  = {Angular Constraint Embedding via SpherePair Loss for Constrained Clustering},
  author = {Shaojie Zhang and Ke Chen},
  journal= {arXiv preprint arXiv:2510.06907},
  year   = {2025}
}

备注

Accepted by NeurIPS 2025, 6 Figures and 1 Table in Main text, 18 Figures and 5 Tables in Appendices