本发明公开了一种基于深度神经网络和成对约束的聚类方法,给定一个包含数据间成对约束的数据集;得到数据集样本间的差向量;构建一个自编码网络和一个深度神经网络;将数据集样本作为自编码网络的输入,输入的数据集样本作为自编码网络的输出训练网络,将自编码网络瓶颈处的输出作为深度神经网络的输入,成对约束作为正确标记训练网络;将训练过的自编码网络和深度神经网络结合到聚类算法上;使用聚类算法进行聚类任务。本发明结合了原始数据集中数据间的成对约束,通过自编码网络对输入数据进行降维操作和深度神经网络学习特征,并且提出了该网络模型的损失函数及其基于梯度下降的优化算法,有效提高了聚类算法的聚类精度。
咨询热线:020-38033421
传真号码:020-38061201
电子邮箱:jm@jiaquanip.cn
Copyright © 嘉权专利商标事务所 All Rights Reserved. 粤ICP备2023151901号