分类 - 聚类
How to Use K-means for Big Data Clustering?
发表于Pattern Recognition 2023， 设计了一个优化kmeans的算法BigMeans。
11
PiCIE:Unsupervised Semantic Segmentation using Invariance and Equivariance in Clustering
发表于CVPR2021，无监督语义分割，使用聚类伪标签和交叉熵损失，同时使用数据增强，利用增强不变性，提高模型泛化性，使模型不关注噪声。
12
A Survey on Deep Clustering:From the Prior Perspective
发表于Vicinagearth 2024，从先验的角度看深度聚类方法，(a)结构先验：数据结构可以反映实例之间的语义关系。(b)分布先验：来自不同集群的实例遵循不同的数据分布。(c)增强不变性：由相同实例增强的样本具有相似的特征。(d)邻域一致性：相邻的样本具有一致的聚类分配。(e)伪标签：具有高可信度的聚类分配很可能是正确的。(f)外部知识：在开放世界的数据和模型中存在大量有利于聚类的知识。
13
Pixel and region level information fusion in membership regularized fuzzy clustering for image segmentation
发表于Information Fusion 2023。
14
Deep Adaptive Fuzzy Clustering for Evolutionary Unsupervised Representation Learning
发表于IEEE Transactions on Neural Networks and Learning Systems 2023，提出了DAFC来自动分组图像，得到的迭代优化问题可以通过小批量RMSprop和反向传播而不是SGD有效地解决，可以学习一个更聚类友好的瓶颈空间。
15
Robust deep k-means:An effective and simple method for data clustering
发表于PR 2021。
16
K-means clustering algorithms:A comprehensive review, variants analysis, and advances in the era of big data
发表于Information Sciences 2023。
17
Unsupervised Learning of Image Segmentation Based on Differentiable Feature Clustering
发表于TIP 2020，无监督语义分割和可微聚类方法。
18
Efficient Deep Embedded Subspace Clustering
发表于CVPR2022。
19
Deep Clustering:A Comprehensive Survey
发表于IEEE Transactions on Neural Networks and Learning Systems 2024，深度聚类的综合综述。
20