计算机应用

作者：董永峰, 邓亚晗, 董瑶, 王雅琮

单位：1.河北工业大学 人工智能与数据科学学院, 天津 300401；2.河北省大数据计算重点实验室(河北工业大学), 天津 300401；3.河北省数据驱动工业智能工程研究中心(河北工业大学), 天津 300401

关键词：聚类,深度学习,图聚类,特征表示,网络结构

基金：天津市自然科学基金资助项目(19JCZDJC40000);北航北斗技术成果转化及产业化资金资助项目(BARI2001);河北省高等学校科学技术研究项目(QN2021213)

聚类是一种寻找数据之间内在结构的技术，是许多数据驱动应用领域的一个基本问题，而聚类性能在很大程度上取决于数据表示的质量。近年来，深度学习因其强大的特征提取能力被广泛地应用于聚类任务，以学习更好的特征表示，显著提高了聚类性能。首先，介绍了传统的聚类任务；然后，根据网络结构介绍了基于深度学习的聚类及代表性方法，指出了当前存在的问题，并介绍了基于深度学习的聚类在不同领域的应用；最后，对基于深度学习的聚类发展进行了总结与展望。

来源：2022年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第4期