L1正则化的深度谱聚类算法 |
| |
引用本文: | 李文博,刘波,陶玲玲,罗棻,张航.L1正则化的深度谱聚类算法[J].计算机应用,2023(12):3662-3667. |
| |
作者姓名: | 李文博 刘波 陶玲玲 罗棻 张航 |
| |
作者单位: | 1. 重庆工商大学人工智能学院;2. 智能感知与区块链技术重庆市重点实验室(重庆工商大学) |
| |
基金项目: | 重庆市教委科学技术研究项目(KJZD-K202200803);;重庆市自然科学基金资助项目(cstc2018jcyjAX0057); |
| |
摘 要: | 针对深度谱聚类模型训练不稳定和泛化能力弱等问题,提出L1正则化的深度谱聚类算法(DSCLR)。首先,在深度谱聚类的目标函数中引入L1正则化,使深度神经网络模型生成的拉普拉斯矩阵的特征向量稀疏化,并提升模型的泛化能力;其次,通过利用参数化修正线性单元激活函数(PReLU)改进基于深度神经网络的谱聚类算法的网络结构,解决模型训练不稳定和欠拟合问题。在MNIST数据集上的实验结果表明,所提算法在聚类精度(CA)、归一化互信息(NMI)指数和调整兰德系数(ARI)这3个评价指标上,相较于深度谱聚类算法分别提升了11.85、7.75和17.19个百分点。此外,所提算法相较于深度嵌入聚类(DEC)和基于对偶自编码器网络的深度谱聚类(DSCDAN)等算法,在CA、NMI和ARI这3个评价指标上也有大幅提升。
|
关 键 词: | 深度聚类 谱聚类 L1正则化 深度学习 无监督学习 |
|
|