GANKMeans基于GAN的聚类复合算法假想

文章目录

  • 前言
  • 原理
  • 编码
    • 效果

前言

这个是继续上一个猜想进行的编码研究,有没有类似的论文这个我不太清楚,在知网我是找到了一篇有使用GAN+KMeans的图片分类算法的。不过这个还是有不少差别的。

原理

所有我这样设计。

我同样保留一开始的欧氏距离Kmeans,再学习的过程当中去训练我的GAN网络。当发现我们的距离无法工作的时候,我们使用GAN。换一句话说,俺们这个其实是个复合算法。

那么问题来了,为什么用神经网络?其实分类问题,你发现其实它背后是有个”隐藏“逻辑的。我们一开始使用的是距离公式,也就是说我们期望找到一种距离的关系,然后去分类。但是有些点,可能受到距离和一种非距离的约束,也就是说和距离相关但是又有点其他特殊的东西约束,那么使用距离公式可能无法感知到,也就无法分类。但是使用神经网络,它最擅长的就是这个特殊的,隐含的,非线性的关系。所以,我们就可以进行一定的分类。

在举一个例子。老师教学生,这个学生可能天赋异禀,虽然老师教的是按照规定的规则的,但是学生学的时候可能出来老师教的规则,还很有可能有自己的思考,然后去”创新“。所以这也是我为什么认为可以这样干的原因。

只不过性能开销是可能有的,而且适合关系复杂的分类,因为越复杂,它可能捕捉到的东西就越多&

你可能感兴趣的:(人工智能,聚类,算法,机器学习)