[arxiv | 论文简读] 深度K-Means:简单有效的数据聚类方法

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