DeepDPM:具有未知数量集群的深度集群
深度学习 (DL) 是一种无监督聚类方法,已显示出巨大的潜力。 虽然非参数方法在经典聚类(即非深度聚类)中广为人知,但大多数深度聚类算法都是参数化的。 它们需要固定数量的聚类,用字母 K 表示。使用模型选择标准来选择其最佳值的计算成本可能很高。 这在 DL 中尤其如此,因为训练需要重复多次。 本文通过引入一种不需要用户知道 K 值的深度聚类技术来弥合这一差距,因为它将在学习过程中确定。 我们提出的方法使用拆分/合并架构,一种适应不断变化的 K 和新丢失的动态架构,优于经典和深度的非参数方法。
来源和详细信息:
https://arxiv.org/abs/2203.14309