深度聚类算法综述

摘要

聚类是机器学习的核心任务之一.聚类效果高度依赖于数据的特征表示.一个好的特征表示能够大幅度提高聚类效果,因此经典聚类算法使用特征提取算法提取一个利于聚类的特征表示.特征提取算法与聚类算法相互独立,导致特征提取与聚类算法脱钩.近些年,基于深度神经网络的聚类算法联合优化了特征提取过程与聚类过程,使用神经网络提取聚类导向的特征表示.目前,基于深度神经网络的聚类算法已经证明了其优越性.因此,全面回顾现有的深度聚类算法,并从神经网络的角度出发对现有深度聚类算法进行分类.