基于自注意力机制的谱嵌入图像聚类研究.pdf

目录

摘要I

ABSTRACTII

第1章绪论1

1.1研究背景和意义1

1.2国内外研究现状与问题2

1.2.1基于单视图的聚类研究2

1.2.2基于多视图的聚类研究4

1.3研究内容和创新点5

1.3.1研究内容5

1.3.2创新点6

1.4论文结构安排6

1.5本章小结8

第2章相关技术与理论基础9

2.1引言9

2.2深度聚类相关知识9

2.2.1基于K-Means的聚类方法9

2.2.3基于高斯混合模型的聚类方法9

2.2.3基于谱嵌入的聚类方法10

2.3深度神经网络相关技术理论10

2.3.1深度学习相关技术10

2.3.2典型的网络结构13

2.4本章小结15

第3章基于自注意力机制的单视图谱嵌入聚类方法16

3.1引言16

3.2相关理论基础17

3.2.1谱聚类17

3.2.2ℓ正则化17

1

3.2.3基于自注意力机制的聚类方法18

3.3方法18

3.3.1网络结构18

3.3.2损失函数20

3.3.3算法流程22

3.4实验结果22

3.4.1数据集介绍22

3.4.2评价指标介绍24

3.4.3实验设置25

3.4.4对比基准算法介绍25

3.4.5对比实验25

3.4.6参数敏感度分析实验26

3.4.7T-SNE可视化实验28

3.4.8消融实验30

3.5本章小结30

第4章基于密集自注意力机制的多视图谱嵌入聚类方法32

4.1引言32

4.2相关理论基础32

4.2.1多视图聚类33

4.2.2基于散度的深度聚类方法33

4.3方法34

4.3.1模型设计概览34

4.3.2网络结构35

4.3.3损失函数设计36

4.3.4算法流程设计36

4.4实验结果37

4.4.1多视图数据集介绍37

4.4.2对比算法40

4.4.3实验设置40

4.4.4对比实验40

4.4.5混淆矩阵分析41

4.4.6参数敏感性分析42

4.4.7消融实验43

4.4.8论文所提两种方法对比实验44

4.5本章小结44

第5章总结与展望46

5.1总结46

5.2展望47

5.3本章小结48

参考文献49

致谢54

在校期间科研情况55

一、发表论文55

二、参加项目55

三、在校期间奖项55

基于自注意力机制的谱嵌入图像聚类研究

摘要

图像