原创力文档- 1、本文档共67页，其中可免费阅读21页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
聚类是针对无标签数据之间的内在结构规律，根据数据间的相似性将数据进行
划分，聚类是数据分析领域重要的分析方法之一。现有的聚类算法主要分为两种：
传统的聚类方法和深度聚类方法。传统的聚类方法主要是运用机器学习方法来解决
数据的聚类问题，但随着网络技术的发展，数据变得愈加复杂，使用传统的机器学
习方法去解决高维数据的聚类问题得到的聚类结果不太理想，因此衍生出了使用深
度学习技术来解决高维数据的聚类问题，深度聚类方法明显的改善了高维数据的聚
类结果。本文详细分析了现有的深度聚类算法的优劣，并在现有的深
文档评论（0）