-
本文使用了一种交替更新网络参数和聚类中心的方法。在网络更新完成之后,对于固定的网络参数和 M,再更新当前样本的分配向量。然后根据新的分配结果如式子3.8更新聚类中心:
-
注:文中还有问题是否能进行凸优化的部分
图片速览 DCN K-means-friendly Spaces: Simultaneous Deep Learning and Clustering
FakeOccupational2023-07-21 15:29
本文使用了一种交替更新网络参数和聚类中心的方法。在网络更新完成之后,对于固定的网络参数和 M,再更新当前样本的分配向量。然后根据新的分配结果如式子3.8更新聚类中心:
注:文中还有问题是否能进行凸优化的部分