深度聚类研究综述

摘要：

聚类分析在机器学习中起着重要的作用,学习一个好的数据表示对于聚类算法是至关重要的.深度聚类联合优化表征学习和聚类模型,已经被广泛应用于各种聚类任务中.本文概述了深度聚类的最新进展,并对其在不同领域的应用进行了总结.首先,介绍了深度聚类的基本概念和原理,从神经网络模型角度将其划分为基于自编码器、基于变分自编码器、基于生成对抗网络、基于孪生网络/对比学习和基于图神经网络的深度聚类,分别对其进行分析和总结.然后,讨论了深度聚类在图像、文本和识别检测等领域的应用.最后,对当前深度聚类研究的热点和未来发展方向进行了展望.

关键词：深度学习、神经网络、特征提取、聚类

所属期刊栏目：37

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金12201267

在线出版日期：2024-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：47-57