PET-TURTLE：基于深度无监督支持向量机的不平衡数据聚类
机器学习
2026-01-07 v1 图像与视频处理
机器学习
摘要
基础视觉、音频和语言模型通过其潜在表示实现下游任务的零样本性能。最近，基于深度学习的方法对数据群结构进行无监督学习日益受到关注。TURTLE是一种最先进的深度聚类算法，通过交替更新标签和超平面来发现数据标签，最大化超平面间隔，类似于支持向量机（SVM）。然而，TURTLE假设聚类是平衡的；当数据不平衡时，它会产生非理想的超平面，从而导致更高的聚类误差。我们提出PET-TURTLE，通过幂律先验来处理不平衡数据分布。此外，通过引入标签过程中稀疏logits，PET-TURTLE优化了更简单的搜索空间，从而提高平衡数据集的准确率。在合成数据和真实数据上的实验表明，PET-TURTLE在处理不平衡数据源时提高了准确率，防止了少数聚类的过预测，并提升了整体聚类性能。
引用
@article{arxiv.2601.03237,
title = {PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters},
author = {Javier Salazar Cavazos},
journal= {arXiv preprint arXiv:2601.03237},
year = {2026}
}