SHADE: 基于密度的深度聚类
机器学习
2024-10-10 v1
摘要
在高维噪声数据中检测任意形状的聚类对当前的聚类方法来说具有挑战性。我们引入了 SHADE（基于密度探索的结构保持高维分析），这是第一种将密度连通性纳入其损失函数的深度聚类算法。与现有的深度聚类算法类似，SHADE 利用深度自编码器的表达能力支持高维和大规模数据集。与大多数依赖基于质心的聚类目标的现有深度聚类方法相反，SHADE 包含了一种捕获密度连通性的新颖损失函数。因此，SHADE 学习了一种增强密度连通聚类分离度的表示。SHADE 无需任何用户输入即可全自动检测稳定的聚类和噪声点。它在聚类质量上优于现有方法，尤其是在包含非高斯聚类（如视频数据）的数据上。此外，SHADE 的嵌入空间适用于聚类结果的可视化和解释，因为聚类的各个形状得以保留。
引用
@article{arxiv.2410.06265,
title = {SHADE: Deep Density-based Clustering},
author = {Anna Beer and Pascal Weber and Lukas Miklautz and Collin Leiber and Walid Durani and Christian Böhm and Claudia Plant},
journal= {arXiv preprint arXiv:2410.06265},
year = {2024}
}
备注
Short version accepted at ICDM 2024