Machine learningMachine learning

التجميع الذاتي باستخدام خوارزمية K-means

التجميع الذاتي باستخدام خوارزمية K-means هو تقنية تجميع تجمع بين تعيين K-means وتعلم التمثيل الذاتي الإشرافي. يتناوب النموذج بين تجميع نقاط البيانات غير المسماة في K مجموعات واستخدام تعيينات المجموعات هذه كملصقات زائفة لتحسين تمثيل الميزات الأساسي، مما ينتج عنه مجموعات أكثر اتساقًا بشكل متزايد دون أي حقيقة أساسية مشروحة يدويًا.

افتح في MethodMindقريبًافيديوقريبًاDownload slides

اقرأ الطريقة كاملة

للأعضاء فقط

سجّل الدخول بحساب مجاني لقراءة هذا القسم.

تسجيل الدخول

Method map

The neighbourhood of related methods — select a node to explore.

المصادر

  1. Caron, M., Bojanowski, P., Joulin, A., & Douze, M. (2018). Deep Clustering for Unsupervised Learning of Visual Features. In Proceedings of the European Conference on Computer Vision (ECCV), 132–149. link
  2. Self-supervised learning. Wikipedia. link

كيف تستشهد بهذه الصفحة

ScholarGate. (2026, June 3). Self-supervised K-means Clustering. ScholarGate. https://scholargate.app/ar/machine-learning/self-supervised-k-means

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSelf-supervised K-means (Self-supervised K-means Clustering). استُرجع بتاريخ 2026-06-15 من https://scholargate.app/ar/machine-learning/self-supervised-k-means · مجموعة البيانات: https://doi.org/10.5281/zenodo.20539026