压缩变分嵌入的深度聚类
图像与视频处理
2020-06-11 v1 机器学习
机器学习
摘要
受日益增长的有限通信带宽和低功耗需求驱动，我们提出一种名为带伯努利混合模型的联合变分自编码器(VAB)的新方法，用于在压缩数据域中执行聚类。其思路是通过变分自编码器(VAEs)降低数据维度，并利用伯努利混合模型(BMMs)对数据表示进行分组。一旦为压缩和聚类联合训练，该模型可分解为两部分：将数据原始编码为压缩数据的数据提供方，以及对接收到的(压缩)数据进行分类的数据消费方。以此方式，数据提供方受益于数据安全与通信带宽，而数据消费方受益于低计算复杂度。为使用梯度下降算法实现训练，我们提出采用Gumbel-Softmax分布来解决在评估类别样本时反向传播算法不可行的问题。
引用
@article{arxiv.1910.10341,
title = {Deep Clustering of Compressed Variational Embeddings},
author = {Suya Wu and Enmao Diao and Jie Ding and Vahid Tarokh},
journal= {arXiv preprint arXiv:1910.10341},
year = {2020}
}
备注
Submitted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Barcelona, Spain, May 2020