
초록
우리는 지도 학습이 없는 부분 공간 클러스터링을 위한 새로운 딥 뉴럴 네트워크 아키텍처를 제시합니다. 이 아키텍처는 입력 데이터를 잠재 공간으로 비선형적으로 매핑하는 딥 오토인코더에 기반하여 구축되었습니다. 우리의 핵심 아이디어는 인코더와 디코더 사이에 전통적인 부분 공간 클러스터링에서 효과적이었던 "자기 표현성(self-expressiveness)" 속성을 모방하기 위해 새로운 자기 표현층을 도입하는 것입니다. 미분 가능성이 있는 우리의 새로운 자기 표현층은 표준 역전파 절차를 통해 모든 데이터 포인트 간의 쌍별 친화력을 간단하면서도 효과적으로 학습할 수 있는 방법을 제공합니다. 비선형성이 있는 우리의 신경망 기반 방법은 복잡한(종종 비선형적인) 구조를 가진 데이터 포인트들을 클러스터링할 수 있습니다. 우리는 또한 우리 부분 공간 클러스터링 네트워크의 매개변수를 효과적으로 학습할 수 있도록 사전 훈련 및 미세 조정 전략을 제안합니다. 실험 결과, 제안된 방법이 최신의 지도 학습이 없는 부분 공간 클러스터링 방법들보다 크게 우수함을 보여주었습니다.