Duale modelgebaseerde benaderingen voor clustering

Kernel spectral clustering modellen, gerelateerd aan least squares support vector machines die zowel in primaire als in duale vorm gerepresenteerd kunnen worden, zijn reeds succesvol gebleken. Deze modellen laten toe om datapunten buiten de training data toe te wijzen aan een cluster, om met representatieve subsets te werken en om grootschalige algoritmen te ontwikkelen. Generatieve kernel principal component analysis is een recente uitbreiding, gebruik makend van restricted kernel machines en conjugate feature duality. Het doel van dit onderzoek is om nieuwe modelgebaseerde methoden en generatieve modellen voor clustering te onderzoeken. Dit zal bestudeerd worden in zowel primaire vorm met relaties tot (diepe) neurale netwerken als in duale vorm met kernel gebaseerde representaties.