提出了基于深度學(xué)習(xí)的聚類算法模型,將深度學(xué)習(xí)和聚類技術(shù)結(jié)合起來。首先用深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對原始數(shù)據(jù)進(jìn)行特征學(xué)習(xí),然后對學(xué)習(xí)到的特征表示進(jìn)行預(yù)聚類,最后在微調(diào)模塊中進(jìn)行特征的優(yōu)化和聚類的優(yōu)化。這種模型能夠?qū)W習(xí)到大規(guī)模數(shù)據(jù)中隱含的深層特征,并根據(jù)聚類要求進(jìn)行進(jìn)一步優(yōu)化,在保持原始數(shù)據(jù)的結(jié)構(gòu)的同時發(fā)掘數(shù)據(jù)簇結(jié)構(gòu)。在微調(diào)部分作者新設(shè)計了目標(biāo)函數(shù),使得微調(diào)完全成為一個優(yōu)化的問題。