|
|||||
|
|
| 基于自编码器的多模态深度嵌入式聚类 | |
| 作者姓名： | 徐慧英 董仕豪 朱信忠 赵建民 |
| 作者单位： | 浙江师范大学数学与计算机科学学院 |
| 基金项目： | 国家自然科学基金资助项目(61976196)；;浙江省自然科学基金资助项目(LZ22F030003)； |
| 摘 要： | 近年来,随着获取信息手段的增多,对高维度数据的聚类变得越来越难.利用深度学习与聚类分析相结合的方式,通过对深度聚类算法的深入调查与研究,提出了基于自编码器的多模态嵌入式聚类模型,该模型分别将自编码器、卷积自编码器、卷积变分自编码器模型提取的特征进行自适应特征融合,再将融合后的特征输入深度聚类层得到聚类结果.多模态数据有助于提取更全面的数据信息,自适应特征融合能够很好地计算每个模态提取特征对融合特征的贡献度,从而提高无监督聚类算法的稳定性.提出的模型在4种公开数据集上进行了实验,验证了该模型的有效性,聚类结果优于现有流行的算法. |
| 关 键 词： | 无监督学习 嵌入式聚类 自编码器 多模态 自适应特征融合 |