-
题名深度图像聚类的交替归一化与类别均匀先验优化方法
- 1
-
-
作者
朱翌明
马征
-
机构
西南交通大学信息科学与技术学院
-
出处
《国防科技大学学报》
北大核心
2025年第4期151-157,共7页
-
基金
四川省科技计划资助项目(2023YFG0100)。
-
文摘
深度图像聚类采用深度学习方法对无标签图像数据的类簇结构进行分析,然而,缺乏类别标签提供确定信息,无监督深度图像聚类可能输出不确定聚类预测导致噪声信息,不利于性能提升和应用发展。因此,提出一种基于交替归一化和类别均匀先验的聚类预测优化方法,校正低置信度预测,提升了深度图像聚类性能。同时,该方法与模型结构和训练过程耦合度较低,可实现深度图像聚类的跨模型优化。通过在多个数据集上的实验结果表明,该方法对多种深度图像聚类模型具有较好的聚类预测优化效果。
-
关键词
无监督学习
深度聚类
聚类预测优化
跨模型优化
-
Keywords
unsupervised learning
deep clustering
clustering prediction optimization
cross-model optimization
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
