计算机技术与发展2023，Vol.33Issue(3) ：200-206,214.DOI:10.3969/j.issn.1673-629X.2023.03.030

融合线性插值和对抗性学习的深度子空间聚类

Deep Subspace Clustering by Fusing Linear Interpolation and Adversarial Learning

江雨燕 陶承凤 李平
计算机技术与发展2023，Vol.33Issue(3) ：200-206,214.DOI:10.3969/j.issn.1673-629X.2023.03.030
✕
  • 维普
  • 万方数据

融合线性插值和对抗性学习的深度子空间聚类

Deep Subspace Clustering by Fusing Linear Interpolation and Adversarial Learning

江雨燕 1陶承凤 1李平2
扫码查看

作者信息

  • 1. 安徽工业大学管理科学与工程学院,安徽马鞍山243032
  • 2. 南京邮电大学计算机学院,江苏南京210023
  • 折叠

摘要

聚类算法的研究受到广泛关注,但现有聚类算法通常无法对样本进行精准的聚类且不能有效分离个体聚簇,从而导致聚类模型泛化性能弱等问题.针对于此,提出了一种融合线性插值和对抗性学习的深度子空间聚类模型.该模型在编码器部分使用混合函数和来自均匀分布的α系数对两个样本的隐表示进行线性插值,得到新的混合输出;进而利用子空间聚类模型对混合输出和原样本隐变量进行聚类,有效提升模型对难分类样本的聚类精度.同时,将对抗性学习引入自编码器并在重构数据集上训练一个鉴别器,用于预测α系数,从而提升混合输出的数据质量.在3个公开数据集上进行实验,采用准确率(ACC)和归一化互信息(NMI)对所提算法进行评估.在Extended Yale B、ORL、COIL20数据集上准确率分别达到了 0.976 1、0.874 3、0.942 3,与现有的一些算法相比,所提算法的ACC和NMI均有较大的提升,验证了模型在处理难分类样本时,性能具有明显优于现有模型.

关键词

聚类/深度学习/子空间聚类/线性插值/对抗性学习

引用本文复制引用

基金项目

国家自然科学基金(62006126)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量4
段落导航相关论文