电子科大最新《深度聚类》全面综述，20页pdf涵盖260篇文献全面阐述深度聚类方法

聚类分析在机器学习和数据挖掘中起着不可或缺的作用。学习一个好的数据表示方法对于聚类算法是至关重要的。近年来，利用深度神经网络学习聚类友好表示的深度聚类已经广泛应用于各种聚类任务中。现有的深度聚类研究主要集中在单一视图领域和网络架构上，忽略了聚类的复杂应用场景。为了解决这个问题，在本文中，我们从数据源的角度对深度聚类进行了全面的考察。在不同的数据源和初始条件下，我们从方法论、先验知识和体系结构方面系统地区分了聚类方法。具体地，将深度聚类方法分为传统的单视图深度聚类、半监督深度聚类、深度多视图聚类和深度转移聚类四大类。最后，讨论了深度聚类在不同领域的开放挑战和潜在的未来机遇。

http://t.cn/A6oxo9Ti