Dying Clusters Is All You Need——基于未知簇数的深层聚类方法
机器学习
2024-10-15 v1 人工智能
摘要
在缺乏标签数据的情况下，从高维数据（如图像或文本）中寻找有意义的群体（即簇）是数据挖掘中的重要挑战。近年来，深度聚类方法在此类任务中取得了显著成果。然而，这些方法大多需要用户提前指定簇的数量。这是一个主要限制，因为当标签数据不可用时，簇的数量通常是未知的。因此，一个研究领域涌现出来，旨在解决这一问题。大多数方法估计簇的数量时会与聚类过程分离，这导致聚类结果严重依赖于初始嵌入的质量。其他方法则针对特定的聚类过程设计，难以适用于其他场景。本文提出了 UNSEEN，一个通用框架，能够从给定的上限开始估计簇的数量。据我们所知，这是第一个可以轻松与各种深度聚类算法结合的方法。我们通过将 UNSEEN 与流行的深度聚类算法 DCN、DEC 和 DKM 结合，展示了该方法的可行性，并通过在多个图像和表格数据集上的广泛实验评估验证了其有效性。此外，我们进行了大量的消融实验，以分析该方法，展示了其组件的重要性。代码已公开于：https://github.com/collinleiber/UNSEEN。
引用
@article{arxiv.2410.09491,
title = {Dying Clusters Is All You Need -- Deep Clustering With an Unknown Number of Clusters},
author = {Collin Leiber and Niklas Strauß and Matthias Schubert and Thomas Seidl},
journal= {arXiv preprint arXiv:2410.09491},
year = {2024}
}
备注
Acceppted at the Sixth ICDM Workshop on Deep Learning and Clustering