流形感知深度聚类：基于正单纯形最大化嵌入向量间夹角
音频与语音处理
2023-10-17 v3 机器学习
摘要
本文提出一种称为流形感知深度聚类（M-DC）的新深度聚类（DC）方法，其比原始 DC 能更有效地提升超空间利用率。原始 DC 由于其基于独热向量的损失函数的使用，一对说话人不得不以正交关系嵌入，而我们的方法基于正单纯形的性质推导出一种独特的损失函数，旨在最大化超空间中的目标夹角。我们提出的损失在说话人被分配错误时比原始 DC 施加更高的惩罚。从 DC 到 M-DC 的改变仅需改写 DC 损失函数中的一项即可轻松实现，无需对网络架构或模型参数做任何其他修改。因此，我们的方法具有高度实用性，因其不影响原始推理部分。实验结果表明，所提方法提升了原始 DC 及其扩展方法的性能。
引用
@article{arxiv.2106.02331,
title = {Manifold-Aware Deep Clustering: Maximizing Angles between Embedding Vectors Based on Regular Simplex},
author = {Keitaro Tanaka and Ryosuke Sawata and Shusuke Takahashi},
journal= {arXiv preprint arXiv:2106.02331},
year = {2023}
}
备注
Accepted by Interspeech 2021