ScholarGate
Pembantu
Machine learningMachine learning

K-means Kendiri-selia

K-means Kendiri-selia ialah teknik pengelompokan yang menggabungkan tugasan K-means dengan pembelajaran perwakilan kendiri-selia. Model ini bersilih ganti antara mengelompokkan titik data tanpa label kepada K kumpulan dan menggunakan tugasan kelompok tersebut sebagai label pseudo untuk memperhalus perwakilan ciri yang mendasari, menghasilkan kelompok yang semakin koheren tanpa sebarang kebenaran asas yang dianotasi manusia.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

K-means Kendiri-selia
Ensemble K-meansPengeLCManan K-meansK-means Atar (Online K-m…Pembelajaran Kendiri-Pen…K-means separa-pengawasan

Sumber

  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 ↗

Cara memetik halaman ini

ScholarGate. (2026, June 3). Self-supervised K-means Clustering. ScholarGate. https://scholargate.app/ms/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 →

Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →

ScholarGate — Self-supervised K-means (Self-supervised K-means Clustering). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/self-supervised-k-means · Set data: https://doi.org/10.5281/zenodo.20539026