Supercm：重新审视半监督学习中的聚类
机器学习
2025-07-01 v1 计算机视觉与模式识别
摘要
近年来，半监督学习 (SSL) 的发展主要集中在开发新的一致性正则化或熵最小化方法，常导致复杂的训练策略以获得所需结果。本文提出一种新方法，通过扩展最近提出的可微分聚类模块，显式地将潜在聚类假设纳入 SSL。利用带标注数据指导聚类质心，实现一种简单可端到端训练的深度 SSL 方法。我们展示，所提模型在受监督基线之上提高了性能，并表明该框架可与其他 SSL 方法结合以进一步提升其性能。
引用
@article{arxiv.2506.23824,
title = {Supercm: Revisiting Clustering for Semi-Supervised Learning},
author = {Durgesh Singh and Ahcene Boubekki and Robert Jenssen and Michael C. Kampffmeyer},
journal= {arXiv preprint arXiv:2506.23824},
year = {2025}
}