快速准确聚类的判别表示学习

深度聚类旨在通过深度学习学习强大的表示来提升聚类性能。尽管其优于传统浅层算法，基于自编码器的方法通常因对大规模数据集的高度依赖及计算昂贵的预训练阶段而受到限制。此外，这些方法常难以学习足够判别性的表示来处理复杂的聚类任务。为弥合这一差距，我们引入一种利用孪生编码器的新型判别聚类框架。通过联合训练孪生编码器和判别学习模块，我们的方法同时从数据增强中捕获鲁棒特征，并施加类内紧凑性。这种双重优化产生高度判别性的表示，避免了预训练的必要，同时保证了快速收敛和高准确率。在多个基准上的大量实验证明了我们方法优于当前最先进基线的性能。