信息记录材料

首页 > 刊期 > 2026 > 6期 > 综述

深度聚类算法研究：方法、评估与应用

武福林

【摘要】传统聚类算法在处理高维、复杂结构数据时存在瓶颈，而深度学习凭借强大的特征学习与非线性映射能力，有效克服了高维数据处理与泛化性能等方面的限制，推动了深度聚类技术的发展。本文围绕深度聚类展开综述，首先分析了基于自编码器、基于变分自编码器、基于生成对抗网络和基于图神经网络的深度聚类算法；其次，梳理了深度聚类的通用框架与核心机制，并介绍了常见的评价指标，进而阐述了深度聚类在各领域的应用实践；最后，探讨了当前深度聚类存在的关键问题。本文旨在为相关研究人员提供全面的理论参考与实践借鉴，推动深度聚类技术的进一步发展。

【关键字】聚类；深度学习；深度聚类

【PDF】