具有协同训练的深度嵌入多视图聚类
训练 深度 视图 协同 聚类 具有 嵌入
2023-09-27 14:25:20 时间
具有协同训练的深度嵌入多视图聚类
作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
本文对Deep Embedded Multi-view Clustering with Collaborative Training这篇文章进行总结,前提请了解DEC、IDEC相关知识:Deep Clustering Algorithms。
通过利用来自多视图的信息,多视图聚类最近引起了越来越多的关注。但是,现有的多视图聚类方法要么具有较高的计算和空间复杂性,要么缺乏表示能力。为了解决这些问题,本文中提出了具有协同训练(DEMVC)的深度嵌入式多视图聚类。首先,深度自动编码器分别学习多个视图的嵌入表示。然后,考虑了多视图之间的共识和互补,提出了一种新颖的协同训练方案。具体来说,所有视图的特征表示和聚类分配都是通过协同学习的。进一步开发了用于聚类中心初始化的新一致性策略,以通过协同训练来改善多视图聚类性能。在多个流行的多视图数据集上的实验结果表明,DEMVC与最新方法相比有了显着改进。
本文贡献:
- 提出了一种新的深度嵌入多视图聚类方法,通过协同训练多个深度神经网络,可以很好地利用多视图的共同信息和互补信息。
- 为了提高MVC的性能,提出了一种辅助分布的共享方案和一种新的簇中心初始化一致性策略。
- 该模型具有良好的表示能力。此外,它可以有效地求解,并应用于大规模数据集。在几个流行的数据集上的实验表明,DEMVC达到了最先进的性能。
参考文献:
[1] Xu J, Ren Y, Li G, et al. Deep Embedded Multi-view Clustering with Collaborative Training[J]. Information Sciences, 2021, doi: https://doi.org/10.1016/j.ins.2020.12.073.
Code: https://github.com/SubmissionsIn/DEMVC
[2] DEC、IDEC相关:Deep Clustering Algorithms
相关文章
- 最全深度学习训练过程可视化工具(附github源码)
- MNN 是一个高效、轻量的深度学习框架,端侧的推理与训练性能在业界处于领先地位
- 训练误差、测试误差、泛化误差的区别
- 何时开始phonics学习及配套阅读训练zz
- 一个中等规模的七段数码数据库以及利用它训练的识别网络
- C#,人工智能,深度学习,OpenCV目标检测,《训练集“负样本”批量生成器》源代码
- 机器学习笔记之深度玻尔兹曼机(二)深度玻尔兹曼机的预训练过程
- Pytorch LSTM实现中文单词预测(附完整训练代码)
- 【毕业设计_课程设计】基于深度学习网络模型训练的车型识别系统
- 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
- 跌倒检测和识别2:YOLOv5实现跌倒检测(含跌倒检测数据集和训练代码)
- 人体姿态估计(人体关键点检测)2D Pose训练代码和Android源码
- 【深度学习脚本】图片训练集预处理(随机抽取训练集+训练集编号)
- 算法训练 前缀表达式
- 蓝桥杯 之 算法训练 删除数组零元素
- 【深度学习】——训练过程
- 谷歌训练人工智能打造安卓安全卫士
- Caffe源码,训练流程分析