基于自编码器的多模态深度嵌入式聚类

徐慧英; 董仕豪; 朱信忠; 赵建民

首页> 中文期刊> 《浙江师范大学学报（自然科学版）》 >基于自编码器的多模态深度嵌入式聚类

基于自编码器的多模态深度嵌入式聚类

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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.

著录项

来源
《浙江师范大学学报（自然科学版）》 |2022年第1期|26-34|共9页
作者
徐慧英; 董仕豪; 朱信忠; 赵建民;
展开▼
作者单位

浙江师范大学数学与计算机科学学院浙江金华 321004;

浙江师范大学数学与计算机科学学院浙江金华 321004;

浙江师范大学数学与计算机科学学院浙江金华 321004;

浙江师范大学数学与计算机科学学院浙江金华 321004;

展开▼
原文格式 PDF
正文语种 chi
中图分类自动推理、机器学习;人工神经网络与计算;
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;

相似文献

中文文献
外文文献
专利

1. 基于深度主成分相关自编码器的多模态影像遗传数据研究 [J] . 李刚 ,王超 ,韩德鹏 . 计算机科学 . 2020,第004期
2. 基于融合变分图注意自编码器的深度聚类模型 [J] . 康雁 ,寇勇奇 ,谢思宇 . 计算机科学 . 2021,第0z2期
3. 基于深度神经网络的多模态特征自适应聚类方法 [J] . 敬明旻 . 计算机应用与软件 . 2020,第010期
4. 基于深度卷积嵌入式聚类(DCEC)的海洋环境特征提取对渔情预报模型的改进研究——以西南印度洋大眼金枪鱼为例 [J] . 张天蛟 ,廖章泽 ,宋博 . 海洋学报（中文版） . 2021,第008期
5. 基于稀疏降噪自编码器的深度置信网络 [C] . ZENG An ,曾安 ,ZHANG Yinan . 第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议（CRSSC-CWI-CGrC-3WD 2017） . 2017
6. 基于变分自编码器的带属性网络表示学习与深度嵌入聚类 [A] . 余平刚 . 2019

基于自编码器的多模态深度嵌入式聚类

摘要

著录项

相似文献

相关主题

期刊订阅