无监督深度嵌入聚类分析

聚类在许多数据驱动的应用领域中占据核心地位，关于距离函数和分组算法的研究已经非常广泛。然而，针对学习用于聚类的表示的研究相对较少。本文提出了一种称为深度嵌入聚类（Deep Embedded Clustering, DEC）的方法，该方法利用深度神经网络同时学习特征表示和聚类分配。DEC 学习从数据空间到低维特征空间的映射，在该特征空间中迭代优化聚类目标。我们在图像和文本语料库上的实验评估表明，DEC 相比现有最先进方法有显著改进。