增强语义聚类框架

双级微调抗假阴性

提出伪标签引导的双级微调策略，在实例级排除同类伪标签对、在簇级平衡分配，缓解假阴性并提升聚类质量。

79933745 · Haowei, Wu · 殷骏

Engineering Applications of Artificial Intelligence 2026

技术优势

假阴性更少

在实例级将具有相同伪标签的样本对从负样本集中排除，避免同类样本被推远。

性能领先

在四个高难度数据集上超越了众多现有深度聚类算法。

应用场景

• 无监督图像聚类：无需人工标注即可自动将图像分组，用于海量图像库初步整理。
• 视觉特征学习：通过对比学习和伪标签微调获得更具判别力的视觉表征，服务于下游任务。
• 视觉数据挖掘：聚类结果揭示数据内在结构，辅助模式发现与异常检测。