通过联合谱嵌入与K均值的深度谱聚类
机器学习
2024-12-17 v1 计算机视觉与模式识别
摘要
谱聚类是一种流行的聚类方法。它首先将数据映射到谱嵌入空间，然后使用K均值寻找聚类。然而，这两个解耦的步骤阻碍了最优解的联合优化。此外，它需要为样本构建相似度图，当数据高维时会遭受维度灾难。为了解决这两个挑战，我们引入了深度谱聚类（DSC），它包含两个主要模块：谱嵌入模块和贪婪K均值模块。前者模块利用深度神经网络和幂迭代学习将原始样本高效嵌入到谱嵌入空间。后者模块通过贪婪优化策略改进K均值在所学谱嵌入上的聚类结构，迭代地揭示最差聚类结构的方向并沿该方向优化嵌入。为了联合优化谱嵌入和聚类，我们将两个模块无缝集成并以端到端方式优化。在七个真实世界数据集上的实验结果表明，DSC实现了最先进的聚类性能。
引用
@article{arxiv.2412.11080,
title = {Deep Spectral Clustering via Joint Spectral Embedding and Kmeans},
author = {Wengang Guo and Wei Ye},
journal= {arXiv preprint arXiv:2412.11080},
year = {2024}
}