CASIA OpenIR  > 学术期刊  > 自动化学报
基于自注意力对抗的深度子空间聚类
尹明; 吴浩杨; 谢胜利; 杨其宇
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:1Pages:271-281
Abstract子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出数据深层特征,其研究倍受各国学者的关注.深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示,计算出数据集的相似度矩阵,然后利用谱聚类获得数据的最终聚类结果.然而,现实数据存在维度过高、数据结构复杂等问题,如何获得更鲁棒的数据表示,改善聚类性能,仍是一个挑战.因此,本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC).利用自注意力对抗网络在自动编码器的特征学习中施加一个先验分布约束,引导所学习的特征表示更具有鲁棒性,从而提高聚类精度.通过在多个数据集上的实验,结果表明本文算法在精确率(ACC)、标准互信息(NMI)等指标上都优于目前最好的方法.
Keyword子空间聚类 生成对抗网络 自注意力模型 深度学习
DOI10.16383/j.aas.c200302
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56446
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
尹明,吴浩杨,谢胜利,等. 基于自注意力对抗的深度子空间聚类[J]. 自动化学报,2022,48(1):271-281.
APA 尹明,吴浩杨,谢胜利,&杨其宇.(2022).基于自注意力对抗的深度子空间聚类.自动化学报,48(1),271-281.
MLA 尹明,et al."基于自注意力对抗的深度子空间聚类".自动化学报 48.1(2022):271-281.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2020-0302.pdf(5066KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[尹明]'s Articles
[吴浩杨]'s Articles
[谢胜利]'s Articles
Baidu academic
Similar articles in Baidu academic
[尹明]'s Articles
[吴浩杨]'s Articles
[谢胜利]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[尹明]'s Articles
[吴浩杨]'s Articles
[谢胜利]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2020-0302.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.