Tiefes repulsives Clustering geordneter Daten basierend auf der Ordnungs-Identitäts-Zerlegung

Wir schlagen den tiefen abstoßenden Clustering-Algorithmus (DRC) für geordnete Daten zur effektiven Lernung von Ordnungen vor. Zunächst entwickeln wir das Ordnungs-Identitäts-Zerlegungsnetzwerk (ORID), um die Informationen einer Objektinstanz in eine ordnungsbezogene Merkmalsdarstellung und eine Identitätsmerkmalsdarstellung zu zerlegen. Anschließend gruppieren wir Objektinstanzen anhand ihrer Identitätsmerkmale in Cluster, wobei ein abstoßender Term berücksichtigt wird. Darüber hinaus schätzen wir die Rangordnung einer Testinstanz, indem wir diese mit Referenzinstanzen innerhalb desselben Clusters vergleichen. Experimentelle Ergebnisse bei der Gesichtsalterabschätzung, der Ästhetikbewertungsregression und der Klassifikation historischer Farbbilder zeigen, dass der vorgeschlagene Algorithmus geordnete Daten effektiv clustern kann und zudem hervorragende Leistungen bei der Rangabschätzung erzielt.