深度聚类算法综合

介绍
A Survey of Clustering With Deep Learning: From the Perspective of Network Architecture：聚类是许多数据驱动应用程序领域中的一个基本问题，集群的性能在很大程度上取决于数据表示的质量。因此，线性或非线性特征变换被广泛用于学习更好的聚类数据表示。近年来，大量的研究都集中在利用深度神经网络学习一种对聚类友好的表示，聚类性能得到了显著的提高。在本文中，我们从建筑学的角度对深度学习聚类进行了系统的研究。具体来说，为了更好的理解这一领域，我们首先介绍了初步的知识。在此基础上，提出了一种基于深度学习的聚类方法，并介绍了几种具有代表性的聚类方法。最后，我们提出了一些有趣的机会聚类与深度学习，并给出了一些结论。