ScholarGate
Assistent
Machine learningMachine learning

Selv-supervisert K-means

Selv-supervisert K-means er en klyngeteknikk som kombinerer K-means-tildeling med selv-supervisert representasjonslæring. Modellen veksler mellom å gruppere umerkede datapunkter i K klynger og bruke disse klyngetildelingene som pseudomerkelapper for å forbedre en underliggende trekkrepresentasjon, noe som gir stadig mer sammenhengende klynger uten noen menneskeskapt sann sannhet.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Self-supervised K-means Clustering. ScholarGate. https://scholargate.app/no/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). Hentet 2026-06-15 fra https://scholargate.app/no/machine-learning/self-supervised-k-means · Datasett: https://doi.org/10.5281/zenodo.20539026