CẢI TIẾN HÀM MỤC TIÊU CHO BÀI TOÁN PHÂN CỤM

Tóm tắt

Phân cụm dữ liệu (Data Clustering) là một phương pháp học máy không giám sát có nhiều ứng dụng trong thực tiễn, đặc biệt là trong kỷ nguyên bùng nổ của dữ liệu. Bài báo này nghiên cứu các mô hình phân cụm dựa trên mạng nơ ron học sâu, tập trung chủ yếu vào các mô hình AutoEncoder như DEC, IDEC. Cụ thể, bài báo nghiên cứu cải tiến hàm mục tiêu của DEC để nâng cao hiệu quả phân cụm dữ liệu. Kết quả thử nghiệm trên tập dữ liệu phức tạp và khó (FMNIST) cho thấy tính hiệu quả của hàm mục tiêu đề xuất so với các mô hình phân cụm hiện đại khác