검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Deep Clustering for Improved Inter-Cluster Separability and Intra-Cluster Homogeneity with Cohesive Loss 응집력 손실을 통한 향상된 클러스터 간 분리성 및 클러스터 내 동질성을 위한 심층 클러스터링

Byeonghak KIM, Murray LOEW, David K. HAN, Hanseok KO

  • 조회수

    0

  • 이것을 인용

요약 :

현재까지 많은 연구에서 레이블이 지정되지 않은 데이터를 분류하기 위해 클러스터링을 사용했습니다. Deep Separate Clustering은 기존 클러스터링 알고리즘에 여러 딥러닝 모델을 적용하여 클러스터의 분포를 보다 명확하게 분리합니다. 본 논문에서는 입력 이미지의 특징을 학습하기 위해 Convolutional Autoencoder를 사용합니다. 이에 따라, k- 컨벌루션 오토인코더가 학습한 인코딩된 계층 기능을 사용하여 클러스터링이 수행됨을 의미합니다. 그런 다음 중앙 손실 함수를 추가하여 데이터 포인트를 클러스터로 집계하여 클러스터 내 동질성을 높입니다. 마지막으로 클러스터 간 분리성을 계산하고 증가시킵니다. 모든 손실 함수를 단일 전역 목적 함수로 결합합니다. 우리의 새로운 심층 클러스터링 방법은 동일한 조건에서의 실험에서 비교할 때 기존 클러스터링 접근 방식의 성능을 능가합니다.

발행
IEICE TRANSACTIONS on Information Vol.E104-D No.5 pp.776-780
발행일
2021/05/01
공개일
2021/01/28
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2020EDL8138
원고의 종류
LETTER
범주
인공지능, 데이터마이닝

작성자

Byeonghak KIM
  Korea University
Murray LOEW
  George Washington University
David K. HAN
  Drexel University
Hanseok KO
  Korea University

키워드