Machine learningMachine learning

Ohjattu K-means

Itseohjautuva K-means on klusterointitekniikka, joka yhdistää K-means-määrityksen itseohjautuvaan esityksen oppimiseen. Malli vuorottelee merkitsemättömien datapisteiden klusterointia K ryhmään ja näiden klusterimääritysten käyttöä pseudotunnisteina taustalla olevan piirre-esityksen tarkentamiseksi, tuottaen yhä yhtenäisempiä klustereita ilman ihmisen annotoimaa todellista totuutta.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Self-supervised K-means Clustering. ScholarGate. https://scholargate.app/fi/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). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/machine-learning/self-supervised-k-means · Aineisto: https://doi.org/10.5281/zenodo.20539026