ScholarGate
Asistent
Machine learningMachine learning

Self-supervised K-means

Self-supervised K-means je klastrovacia technika, ktorá kombinuje K-means priradenie s vlastným dohľadom pri učení reprezentácií. Model striedavo priraďuje neoznačené dátové body do K skupín a používa tieto priradenia do klastrov ako pseudo-označenia na vylepšenie základnej reprezentácie príznakov, čím sa dosahujú čoraz koherentnejšie klastre bez akéhokoľvek ľudsky anotovaného skutočného označenia.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Self-supervised K-means
Ensemble K-meansZhlukovanie K-meansOnline K-meansSamoučeniePoloučité učenie K-means

Zdroje

  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 ↗

Ako citovať túto stránku

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

Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →

ScholarGate — Self-supervised K-means (Self-supervised K-means Clustering). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/self-supervised-k-means · Dátová sada: https://doi.org/10.5281/zenodo.20539026