빠르고 정확한 클러스터링을 위한 판별 표현 학습

딥 클러스터링은 딥러닝을 통해 강력한 표현을 학습하여 클러스터링 성능을 향상시키는 것을 목표로 합니다. 기존의 얕은 알고리즘보다 우수함에도 불구하고, 오토인코더 기반 방법들은 일반적으로 큰 데이터셋에 대한 높은 의존성과 계산 비용이 많이 드는 사전 학습 단계에 의해 제약을 받습니다. 게다가 복잡한 클러스터링 작업에 충분히 판별적인 표현을 학습하는 데 어려움을 겪는 경우가 많습니다. 이러한 간극을 메우기 위해, 우리는 시암쌍둥이 인코더를 활용한 새로운 판별적 클러스터링 프레임워크를 제안합니다. 시암쌍둥이 인코더와 판별 학습 모듈을 공동으로 훈련함으로써, 본 방법은 데이터 증강으로부터 견고한 특징을 동시에 포착하고 클러스터 내 응집도를 부과합니다. 이중 최적화는 매우 판별적인 표현을 생성하여 사전 학습의 필요성을 제거하고 빠른 수렴과 높은 정확성을 보장합니다. 여러 벤치마크에서의 광범위한 실험은 본 방법이 최신 기법들보다 우수함을 입증합니다.