摘要
相较于传统聚类方法,深度聚类算法通过利用深度神经网络获得了更好的聚类效果.虽然基于对比学习的聚类方法能够同时进行表示学习和聚类任务,但是仍受限于先验信息利用不足及数据增强方法单一的问题.针对此问题,文章提出了一种基于成对约束的三视图对比聚类算法(TCCPC).该算法通过引入14种强增强和5种弱增强方法,生成了3个增强视图,并利用成对约束优化模型训练过程.在5个公共数据集上的实验结果表明,TCCPC算法表现优异,验证了引入先验信息对于提升聚类性能的有效性.此外,研究还探讨了数据增强方式、训练周期优化及成对约束对聚类效果的具体影响.
维普
万方数据