基于深度学习的聚类关键技术研究

提出了基于深度学习的聚类算法模型,将深度学习和聚类技术结合起来。首先用深层神经网络结构对原始数据进行特征学习,然后对学习到的特征表示进行预聚类,最后在微调模块中进行特征的优化和聚类的优化。这种模型能够学习到大规模数据中隐含的深层特征,并根据聚类要求进行进一步优化,在保持原始数据的结构的同时发掘数据簇结构。在微调部分作者新设计了目标函数,使得微调完全成为一个优化的问题。