要約
私たちは、教師なし部分空間クラスタリングのための新しい深層ニューラルネットワークアーキテクチャを提案します。このアーキテクチャは、入力データを潜在空間に非線形にマッピングする深層オートエンコーダーに基づいて構築されています。私たちの主要なアイデアは、伝統的な部分空間クラスタリングで効果的であることが示されている「自己表現性」の特性を模倣するために、エンコーダーとデコーダーの間に新しい自己表現層を導入することです。微分可能であるため、私たちの新しい自己表現層は標準的なバックプロパゲーション手順を通じてすべてのデータ点間の対象間親和性を学習する単純かつ効果的な方法を提供します。また、非線形であるため、私たちのニューラルネットワークベースの手法は複雑（しばしば非線形）な構造を持つデータ点をクラスタリングすることができます。さらに、事前学習と微調整戦略を提案し、部分空間クラスタリングネットワークのパラメータを効果的に学習できるようにしています。実験結果は、提案手法が最先端の教師なし部分空間クラスタリング手法よりも著しく優れていることを示しています。