[arxiv | 论文简读] 深度K-Means:简单有效的数据聚类方法
2023-02-18 16:47:50 时间
简读分享 | 崔雅轩 编辑 | 龙文韬
论文题目
Deep K-Means: A Simple and Effective Method for Data Clustering
论文摘要
聚类是统计和机器学习中最常用的技术之一。由于简单高效,最常用的聚类方法是k-means算法。在过去的几十年里,k-means及其各种扩展被提出并成功的应用于数据挖掘实际问题中。然而,以前的聚类方法通常是仅仅在公式中进行设计和改进的。然而,这些方法得到的低维数据与原始数据之间的映射可能包含相当复杂的层次信息。在本文中,提出了一种新的深度k-Means模型,以学习不同低维层次特征的隐藏特征。利用深层结构对k-means进行分层,分层学习数据。同一类的数据点被一层一层地收集,这有利于后续的学习任务。通过在数据集上的实验,验证了该方法的有效性。
论文链接
https://link.springer.com/content/pdf/10.1007/978-981-15-7670-6_23.pdf?pdf=inline%20link
相关文章
- [KDD | 论文简读] 时间序列Transformer的任务感知重构
- [Nucleic Acids Research | 论文简读] 基于大规模数据整合的单细胞基因调控网络推理算法
- [Nature Communications | 论文简读] 由多序列比对训练的蛋白质语言模型学习系统发育关系
- [KDD 2022 | 论文简读] 通过分层分离的树实现可扩展的差异私有聚类
- [TPAMI | 论文简读] CyCoSeg:用于自动医学图像分割的循环协作框架
- [ARXIV | 论文简读] 混合自编码器的深度无监督聚类
- [ICLR2023 | 论文简读] 用于分子性质预测的元学习自适应深度核高斯过程
- 没有IP和端口号,可以进行socket通信吗?
- [Briefings in Bioinformatics | 论文简读] 潜表征学习的多视角光谱聚类在多组学癌症分型中的应用
- [Medical Image Analysis | 论文简读] Factorizer: 医学图像分割的可扩展可解释上下文建模方法
- [IJCAI | 论文简读] 图像重建的残差对比学习:从噪声图像中学习可转移表示
- epoll使用实例:TCP服务端处理多个客户端请求
- Nature Machine Intelligence | 使用自监督图像表示学习框架精准预测分子特性和药物靶点
- [IEEE Trans Med Imaging | 论文简读] CX-DaGAN:小型CXR数据集上的肺炎诊断之域适应性
- 简易Qt图片查看器
- [EMNLP 2022 | 论文简读] CyCoSeg:基于掩码自编码器的检索预训练语言模型
- [Nat. Biomed. Eng. | 论文简读] 基于自监督深度学习的全切片病理图像快速可扩展搜索
- [NC | 论文简读] devCellPy是一个机器学习支持的管道,用于自动注释复杂的多层单细胞转录组数据
- [IJCAI 2022 | 论文简读] CARD:通过基于类不可知关系的去噪进行半监督语义分割
- [arxiv | 论文简读] 用于加速 MRI 重建的自适应扩散先验