【摘 要】
：
聚类是一种寻找数据之间内在结构的技术，是许多数据驱动应用领域的一个基本问题，聚类性能在很大程度上取决于数据表示的质量。近年来，深度学习因其强大的特征提取能力被广泛的应用于聚类任务，以学习更好的特征表示，显著提高了聚类性能。首先介绍传统的聚类任务，进而根据网络结构介绍基于深度学习的聚类及代表性方法，提出当前存在的问题，介绍基于深度学习的聚类在不同领域的应用，最后对基于深度学习的聚类发展进行总结与展望
论文部分内容阅读
聚类是一种寻找数据之间内在结构的技术，是许多数据驱动应用领域的一个基本问题，聚类性能在很大程度上取决于数据表示的质量。近年来，深度学习因其强大的特征提取能力被广泛的应用于聚类任务，以学习更好的特征表示，显著提高了聚类性能。首先介绍传统的聚类任务，进而根据网络结构介绍基于深度学习的聚类及代表性方法，提出当前存在的问题，介绍基于深度学习的聚类在不同领域的应用，最后对基于深度学习的聚类发展进行总结与展望。
其他文献
物联网的关键在于通信以及交换各类物品之间的信息,在智能化、自动化服务和信息管控之上,对各类数据信息实施提取、整合与运用,给物资装备管理提供对应性局域互联网,保障物资装备、仓储管理智能化与自动化,还可以实现物资装备仓储的资源共享,促使物资装备仓储管理向智能化方向深入发展。
伴随我国整体经济的快速增长,环境污染问题也变得越发严重,使得人们的正常生活也受到了一定的干扰。因此,环境保护就变得越来越重要。为此,当前就需要做好环境监测工作,以此了解所有对环境造成影响的负面因素,及时采取措施进行处理。
研究提出了一种基于编码-解码结构的生成对抗网络(Generative Adversarial Networks,GAN)并用于散射环境下目标的计算光学成像。利用目标对应的相位图通过计算光学散射成像系统来生成训练集和测试集,并采用此GAN网络学习散斑图和目标图像的函数映射关系。实验对比了不同散射条件、不同数据集下散射成像的质量,结果表明该GAN网络具备良好的泛化能力并能较好地实现散射环境下的计算光学
提出一种基于深度学习领域旋转目标检测技术的PCB加工缺陷自动检测和分类方法。该方法能有效简化PCB板缺陷检测的全流程,避免复杂的图像配准和图像预处理过程。该方法注入了角度信息,使得模型可扩展至任意方向的缺陷区域检测。数值结果表明,在增加了旋转扰动的DeepPCB数据集上,该方法对于6类PCB缺陷可以达到97.2%的mAP(mean average precision)性能,平均准确率超过了目前主流
环境噪声作为一种特征明显的物理性污染,并没有具体的污染物,因此具有不会累积、不会残留等特点。在具有环境噪声污染的情况下,往往会出现间接性危害。技术人员一般可通过分析声音的响度、频率来确定噪声污染所带来的问题。所以,我国出台并完善了环境噪声的监测指标,并对相关环境评价方法进行了介绍,旨在科学、全面地对环境噪声污染情况进行评价。在实际工作中,我们则需要通过环境噪声监测手段,了解城市环境噪声的污染趋势,
在现代城市建设的发展中,环境噪声问题严重影响了人们的生活质量。因此,必须要采用专业的方式进行有效控制,降低对城市居民生活的影响。相关部门在进行环境噪声的监测中存在许多问题,这些问题严重影响了噪声的处理效率,无法从根本上解决噪声问题。为此,相关部门必须通过专业化、系统化、科学化的方式来进一步提高环境噪声监测的质量,力争有效解决城市发展中的噪声污染现象。
小型漂流观测平台的运动姿态是影响其观测准确性和安全性的关键问题,如何改善其在波浪作用下的运动性能是目前亟需解决的问题之一。该文采用Open FOAM建立三维数值波浪水池模型,基于重叠网格技术模拟观测平台在波浪中的运动。在利用物理试验数据验证数值模型模拟准确性的基础上,研究球状浮体、柱状浮体及球-柱结合体等浮体外型对观测平台稳定性的影响。结果表明:三者垂荡运动响应较为接近,随波性能相当;球状浮体及柱
1970年4月24日,中国第一颗人造地球卫星"东方红一号"首游苍穹,在悠扬的《东方红》乐曲声中,拉开了中华民族进入航天时代的序幕。它是中国科学之星、志气之星,凝聚着老一辈无产阶级革命家的愿望,凝聚着广大科技工作者、工人、干部、解放军战士的心血,凝聚着全国人民大协作与无私奉献的汗水。
1970年4月24日,中国第一颗人造卫星"东方红一号"发射成功,中国成为继苏联、美国、法国和日本之后第五个完全依靠自己的力量成功发射人造卫星的国家。从1958年5月17日毛泽东主席提出"我们也要搞人造卫星"的号召,到1965年8月周恩来总理主持中共中央专门委员会会议原则批准第一颗人造卫星的规划方案,历时七年之久。在此期间,中国第一颗人造卫星的研制计划经历了从启动到暂停再到重启的曲折过程。
针对网络入侵检测模型自适应能力不足的问题，将麻雀搜索算法中的大范围快速搜索能力引入到粒子群优化算法，提出一种融合麻雀搜索算法的改进粒子群优化算法（SSAPSO）。该算法通过对轻量级梯度提升机（LightGBM）算法中难以整定的参数进行寻优，使粒子群优化算法在保证寻优精度的同时快速收敛，并得到最优的网络入侵检测模型。仿真实验表明，在4种基准函数中，SSAPSO算法比基本粒子群优化算法收敛速度更快。对