深度学习聚类再升级!新算法实现强悍性能,准确率超98%

深度聚类不仅继承了传统聚类算法的优点,在对高维和非线性数据的处理能力,以及自适应性和抗噪性方面也具有很大优势。

具体来说,结合深度学习的聚类算法通过利用深度神经网络的强大特征提取能力,自动学习和识别数据中的复杂结构和模式,能够在无需人工干预的情况下实现更高的聚类性能和准确度

比如集成时空深度聚类(ISTDC)模型,它使用四种算法和变分贝叶斯高斯混合模型(VBGMM)聚类方法进行说明,在0-back与2-back任务上该模型实现了最高平均聚类准确率98.0%,比现有方法提高了11.0%。

除ISTDC外,还有一些很值得学习的深度学习聚类算法最新成果,我从中挑选了11篇,简单提炼了可参考的创新点,希望可以给同学们提供论文灵感。

论文原文以及开源代码需要的同学看文末

Integrated Spatio-Temporal Deep Clustering (ISTDC) for cognitive workload assessment

方法:论文提出一种基于ISTDC框架的深度聚类模型,并比较其与现有研究的差异。研究缺口在于目前的模型对于相同实验数据集的分类准确性较低,而这篇论文的主要贡献是提出了一种有效的深度特征表示方法,以及使用VBGMM聚类方法对工作负荷水平进行分类。方法包括实验设计和数据采集,以及对聚类结果和性能进行分析。

创新点:

  • 提出的多模态深度VAE模型与VBGMM聚类方法相结合,用于工作负荷分类。

  • 提出的IST-VAE模型的性能在很大程度上取决于VAE模型的结构和超参数。

  • 提出的多模态深度聚类模型在具有不同任务复杂度的三种不同工作负荷条件下进行评估。

  • 提出的IST-VAE模型的整体复杂度为(LSTM网络的时间复杂度 + CNN模型的计算复杂度 + VBGMM聚类算法的复杂度)。

Gene-SGAN: discovering disease subtypes with imaging and genetic signatures via multi-view weakly-supervised deep clustering

方法:Gene-SGAN是一种基于生成对抗网络和变分推断的基因引导弱监督聚类方法,旨在从表型和基因特征中识别与疾病相关的亚型,具有独特的影像和基因特征。该方法通过从参考总体(例如健康对照的脑测量)到目标总体(例如患者队列)的表型测量的一对多映射,学习捕捉与疾病相关的多样性脑变化模式,以减少与疾病无关的变化的混淆因素,如人口统计因素或与疾病无关的基因影响。

创新点:

  • Gene-SGAN是一种基于生成对抗网络和变分推断的多视图弱监督深度聚类方法,用于从基因和成像特征中识别与疾病相关的亚型。

  • Gene-SGAN通过学习生成模型从参考人群(例如健康对照组)到目标人群(例如患者群体)的表型测量之间的一对多映射,从而捕捉与疾病相关的大脑变化模式的多样性。

  • Gene-SGAN通过低维潜变量空间将表型和基因的异质性分解为反映疾病亚型的潜变量。

Hard Sample Aware Network for Contrastive Deep Graph Clustering

方法:本论文提出了一种新的对比深度图聚类方法,称为Hard Sample Aware Network (HSAN)。该方法通过设计综合相似度度量准则和动态样本加权策略,引导网络关注难以区分的正样本和负样本。

创新点:

  • 提出了Hard Sample Aware Network (HSAN)方法,通过引入综合相似性度量准则和动态样本加权策略,引导网络关注难样本。

  • 设计了全面的相似性度量准则,同时考虑属性和结构信息,更好地揭示样本间的关系。

  • 提出了样本加权策略,动态加权难样本对,降低易样本对的权重,从而提高网络的区分能力。

Hard Regularization to Prevent Deep Online Clustering Collapse without Data Augmentation

方法:本文提出了一种无数据增强的在线深度聚类方法,旨在防止聚类崩溃。作者通过概率化的方式来决定将一批数据点分配给哪个聚类簇,给定聚类中心和数据点的特征,从而推导出一种直观的优化目标,用于进行硬聚类分配。

创新点:

  • 提出了一种无数据增强的在线深度聚类方法,通过正则化硬分配来防止坍塌问题。

  • 在贝叶斯框架中表达了聚类问题,推导出一个直观的优化目标,并证明了与最大化聚类分配和数据索引之间的互信息的目标的等效性。

  • 该方法在四个常用图像聚类数据集上优于现有方法,并且能够提供更准确的聚类结果。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“新聚类”获取全部论文+代码

码字不易,欢迎大家点赞评论收藏

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/845424.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

全志H616(BIGTREETECH CB1)和 博通BCM2711(树莓派4B)CPU对比测试

一,实物对比图: BIGTREETECH CB1的底板接口的分布和树莓派4B是一样的,但是没有树莓派的音频接口,底板也不能放到树莓派4B的官方外壳里,因为底板的背面有一个DSI接口,高度超出了。 二,开发板硬…

HBSL-22Q/K定时限过电流继电器 板前接线 JOSEF约瑟

HBSL系列静态定时限过电流继电器 系列型号: HBSL-11A/E静态定时限过电流继电器;HBSL-11A/K静态定时限过电流继电器;HBSL-12A/E静态定时限过电流继电器; HBSL-12A/K静态定时限过电流继电器;HBSL-21A/E静态定时限过电…

JS-09-es6常用知识1

目录 1 模板字符串 1.1 模板字符串基本用法 1.2 模板字符串解决了一些痛点 2 解构赋值 2.1 对象的解构赋值 2.2 函数参数的解构赋值 2.3 补写:属性的简写 3 rest参数 3.1 arguments 3.2 rest参数 3.3 补充:判断数据类型 4 箭头函数 4.1 …

SpringBoot-世界杯足球赛网站-28567

Springboot世界杯足球赛网站 摘 要 信息化社会内需要与之针对性的信息获取途径,但是途径的扩展基本上为人们所努力的方向,由于站在的角度存在偏差,人们经常能够获得不同类型信息,这也是技术最为难以攻克的课题。针对世界杯足球赛…

jsmug:一个针对JSON Smuggling技术的测试PoC环境

关于jsmug jsmug是一个代码简单但功能强大的JSON Smuggling技术环境PoC,该工具可以帮助广大研究人员深入学习和理解JSON Smuggling技术,并辅助提升Web应用程序的安全性。 背景内容 JSON Smuggling技术可以利用目标JSON文档中一些“不重要”的字节数据实…

C++ 特殊运算符

一 赋值运算符 二 等号作用 三 优先级和结合顺序 四 左值和右值 五 字节数运算符 条件运算符 使用条件运算符注意 逗号运算符 优先级和结合顺序 总结

实战15:bert 命名实体识别、地址解析、人名电话地址抽取系统-完整代码数据

直接看项目视频演示: bert 命名实体识别、关系抽取、人物抽取、地址解析、人名电话地址提取系统-完整代码数据_哔哩哔哩_bilibili 项目演示: 代码: import re from transformers import BertTokenizer, BertForTokenClassification, pipeline import os import torch im…

【linux】docker下nextcloud安装人脸识别插件2

接上文 【linux】docker下nextcloud安装人脸识别插件-CSDN博客 由于作者不再维护此插件,转而开发新的插件 recognize ,因此同步更新插件使用教程。 1、下载人脸识别app:recognize Recognize - Apps - App Store - Nextcloud 2、将插件recog…

Java解析JSON并修改属性值:从JSON到JsonObject的逐层解析

哈喽,大家好,我是木头左! 在Java中,可以使用各种库来解析和操作JSON数据。其中,Gson和Jackson是两个非常流行且功能强大的库。在这篇文章中,将使用Gson库来解析给定的JSON字符串,修改operationB…

python移位操作符(左移位操作符<<、右移位操作符>>)(允许开发者对整数进行位操作,乘2或除2)(左移操作、右移操作)(位掩码操作|=)

文章目录 Python 中的移位操作符详解移位操作符简介左移位操作符 (<<)语法和使用示例代码输出 右移位操作符 (>>)语法和使用示例代码输出 移位操作符的应用场景快速乘除运算&#xff1a;使用移位操作符代替传统的乘法和除法运算&#xff0c;可以提高计算速度。位掩…

生产问题(十六)数据丢失-mysql binlog排查

一、引言 最近作者遇到一个线上问题&#xff0c;是mysql 的数据丢失了&#xff0c;这里记录一下排查过程和binlog的分析。 二、问题 问题出现的表象是应用系统大量报错&#xff0c;各种空指针之类的&#xff0c;这种一看就不可能是代码发布的问题&#xff0c;原因一定在框架、…

第十八节:认识一些经典递归过程

一 暴力递归就是尝试 1&#xff0c;把问题转化为规模缩小了的同类问题的子问题 2&#xff0c;有明确的不需要继续进行递归的条件(base case) 3&#xff0c;有当得到了子问题的结果之后的决策过程 4&#xff0c;不记录每一个子问题的解 二 打印n层汉诺塔从最左边移动到最右边的全…

分形之科赫雪花

前言 分形是一种具有自相似性的几何图形或数学对象。它的特点是无论在任何放大或缩小的尺度下,都能够看到与整体相似的图形。分形的形状可以非常复杂,常常具有分支、重复的图案,以及细节层次丰富的结构。 分形在自然界中广泛存在,如云朵、树枝、山脉、海岸线等,它们都展…

Java常用API(三)

一、Arrays类 1.定义 Arrays是一个用于操作数组的工具类。 2.常用方法 1.toString方法 public class Demo {public static void main(String[] args) {//toString 将数组变成字符串int[] arr {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};System.out.println(Arrays.toString(arr));…

故障——pod状态为pending该如何解决

一、报错问题 当您的虚拟机出现如下报错&#xff0c;您首先快照一下虚拟机如果仍然报错 二、解决方法 2.1 任务管理器 首先进入任务管理器&#xff08;CtrlAltDel&#xff09;内&#xff0c;查看所有vmware是否都处在运行的状态&#xff0c;可能会跳出一个比较突兀的进程&#…

【Spring Cloud】微服务链路跟踪Sleuth

目录 为什么要使用微服务链路跟踪微服务的现状多服务协同工作复杂的调用链条容易出错 微服务链路跟踪需要实现的需求实现监控决策避免技术债务快速定位故障 微服务链路跟踪的技术要求低消耗应用透明延展性可控采样率可视化 Spring Cloud Sleuth简介Spring Cloud Sleuth的4个特点…

自动控制:控制系统的稳定性

自动控制&#xff1a;控制系统的稳定性 在自动控制领域&#xff0c;控制系统的稳定性是一个至关重要的问题。稳定性决定了系统在受到扰动后是否能够恢复到平衡状态。本文将介绍控制系统稳定性的基本概念、如何利用特征值分析稳定性&#xff0c;并通过具体示例和Python代码展示…

【洛谷B3643】图的存储 解题报告

洛谷B3643 - 图的存储 题目描述 给定一个 n n n 个顶点 m m m 条边的无向图。请以邻接矩阵和邻接表的形式输出这一张图。 输入格式 第一行输入两个正整数 n n n 和 m m m&#xff0c;表示图的顶点数和边数。 第二行开始&#xff0c;往后 m m m 行&#xff0c;每行输入…

Docker中布置Jenkins实现Android项目的自动化构建

因项目需要&#xff0c;要在服务器上使用Jenkins完成Android项目的自动化构建&#xff0c;但服务器上登录的账户没有管理员权限&#xff0c;无法用sudo命令&#xff0c;因此需要把相应环境布置在docker中。 环境搭建 docker容器相关命令 创建容器 docker create -it contai…

【Python】解决Python报错:AttributeError: ‘function‘ object has no attribute ‘xxx‘

&#x1f9d1; 博主简介&#xff1a;阿里巴巴嵌入式技术专家&#xff0c;深耕嵌入式人工智能领域&#xff0c;具备多年的嵌入式硬件产品研发管理经验。 &#x1f4d2; 博客介绍&#xff1a;分享嵌入式开发领域的相关知识、经验、思考和感悟&#xff0c;欢迎关注。提供嵌入式方向…