快照谱聚类——一种零成本的深度聚类集成生成方法
机器学习
2023-07-18 v1
摘要
尽管人工智能取得了巨大进展，以无监督方式从大规模数据集中学习仍然是一项重大挑战。经典聚类算法往往无法发现大型数据集中的复杂依赖关系，尤其是在稀疏、高维空间中。然而，深度学习技术在处理大量数据时已被证明是成功的，能够高效降低数据维度而不丢失底层信息。将深度学习与聚类相结合的若干有趣进展已经取得。不过，通过组合深度神经网络生成的数据的多个视图来增强聚类结果的思路，似乎仍未被充分探索。本文旨在研究这一方向，并弥合深度神经网络、聚类技术与集成学习方法之间的鸿沟。为实现该目标，我们提出了一种新颖的深度聚类集成方法——快照谱聚类（Snapshot Spectral Clustering），旨在最大化组合多视图的收益，同时最小化创建集成的计算成本。本文所述的对比分析与实验证明了所提出的概念，而所进行的超参数研究为选择合适数值时提供了宝贵的直觉。
引用
@article{arxiv.2307.08591,
title = {Snapshot Spectral Clustering -- a costless approach to deep clustering ensembles generation},
author = {Adam Piróg and Halina Kwaśnicka},
journal= {arXiv preprint arXiv:2307.08591},
year = {2023}
}
备注
In proceedings of the International Joint Conference on Neural Networks 2023