摘要
我们提出了一种用于有序数据有效排序学习的深度排斥聚类（Deep Repulsive Clustering, DRC）算法。首先，我们构建了顺序-身份分解（Order-Identity Decomposition, ORID）网络，将对象实例的信息分解为与顺序相关特征和身份特征两部分。随后，基于身份特征，利用排斥项将对象实例分组聚类。此外，通过将测试实例与同簇内的参考实例进行比较，实现对测试实例排名的估计。在人脸年龄估计、美学评分回归以及历史色彩图像分类等任务上的实验结果表明，所提出的算法能够有效聚类有序数据，并在排名估计方面展现出优异的性能。