混合模型自编码器：通过字典学习实现深度聚类
机器学习
2022-02-28 v2 信号处理
摘要
用于高维数据聚类的最先进方法利用深度自编码器架构。许多此类网络由于自编码器的黑箱性质而需要大量参数且缺乏可解释性。我们提出混合模型自编码器（MixMate），一种通过对生成模型进行推断来聚类数据的新颖架构。MixMate 源于稀疏字典学习与混合模型的视角，由若干个自编码器组成，每个负责重建某一特定簇中的数据，同时在潜空间强制稀疏性。通过在多个图像数据集上的实验，我们表明 MixMate 在使用少几个数量级参数的情况下，与最先进的深度聚类算法相比具有竞争力。
引用
@article{arxiv.2110.04683,
title = {Mixture Model Auto-Encoders: Deep Clustering through Dictionary Learning},
author = {Alexander Lin and Andrew H. Song and Demba Ba},
journal= {arXiv preprint arXiv:2110.04683},
year = {2022}
}
备注
5 pages, 3 figures