arXiv · 机器人与计算机视觉· Senmao Ye, Fei Liu, Dawei Zhang, Yuqian Zheng, Jun Zhang, Zhonglong zheng·· 16 天前AI 评分43
离散生成聚类:用正则化 Wasserstein 距离提升聚类稳定性与可扩展性
Regularized Wasserstein Distance for Discrete Generative Modeling and Clustering Analysis
AI 导读
该研究将聚类分析形式化为离散生成建模,提出 Discrete Generative Clustering(DGC)框架以解决传统方法的训练不稳定问题。通过引入正则化 Wasserstein 距离替代 l2 损失并采用随机邻域选择,DGC 实现了 O(log K) 的推理复杂度且簇中心可直接解释为合成样本。GitHub 代码已公开,实验在多个基准数据集上验证了其有效性与优越性质。
来源:arXiv · 机器人与计算机视觉 · arxiv.org