计算机应用

作者：李文博, 刘波, 陶玲玲, 罗棻, 张航

单位：1.重庆工商大学 人工智能学院，重庆 400067；2.智能感知与区块链技术重庆市重点实验室 （重庆工商大学），重庆 400067

关键词：深度聚类,谱聚类,L1正则化,深度学习,无监督学习

基金：重庆市教委科学技术研究项目(KJZD?K202200803);重庆市自然科学基金资助项目(cstc2018jcyjAX0057);重庆工商大学研究生“创新型科研项目”(yjscxx2022?112?68)

针对深度谱聚类模型训练不稳定和泛化能力弱等问题，提出L1正则化的深度谱聚类算法（DSCLR）。首先，在深度谱聚类的目标函数中引入L1正则化，使深度神经网络模型生成的拉普拉斯矩阵的特征向量稀疏化，并提升模型的泛化能力；其次，通过利用参数化修正线性单元激活函数（PReLU）改进基于深度神经网络的谱聚类算法的网络结构，解决模型训练不稳定和欠拟合问题。在MNIST数据集上的实验结果表明，所提算法在聚类精度（CA）、归一化互信息（NMI）指数和调整兰德系数（ARI）这3个评价指标上，相较于深度谱聚类算法分别提升了11.85、7.75和17.19个百分点。此外，所提算法相较于深度嵌入聚类（DEC）和基于对偶自编码器网络的深度谱聚类（DSCDAN）等算法，在CA、NMI和ARI这3个评价指标上也有大幅提升。

来源：2023年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第12期