ScholarGate
Assistent
Machine learningMachine learning

Enesijuhtiv K-keskmine

Enesijuhtiv K-keskmine on klastritehnika, mis ühendab K-keskmise jaotuse enesijuhtiva representatsiooni õppimisega. Mudel vaheldub märgistamata andmepunktide jaotamise vahel K rühma ja nende klastrijaotuste kasutamise vahel pseudo-siltidena alusstruktuuri representatsiooni täiustamiseks, mille tulemuseks on üha koherentsed klastrid ilma inimeste annotatsioonita tõepõhjata.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Allikad

  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

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Self-supervised K-means Clustering. ScholarGate. https://scholargate.app/et/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). Loetud 2026-06-15 aadressilt https://scholargate.app/et/machine-learning/self-supervised-k-means · Andmestik: https://doi.org/10.5281/zenodo.20539026