一种基于目标引导性表示学习的单分子电输运信号深度聚类方法

本发明是一种基于目标引导性表示学习的单分子电输运信号深度聚类方法，涉及单分子电输运数据分析领域。设计一个由自编码器和K均值聚类组合而成的深度聚类框架，其中自编码器的编码器与解码器均为多层感知器；使用基于序列化模型的神经架构搜索方法找到重建误差最小的编码器与解码器最优结构，作为后续联合训练的自编码器结构；将自编码器的重建损失与K均值聚类损失联合构成深度聚类网络的联合损失函数；将待聚类的单分子电输运信号输入深度聚类网络，进行联合训练直至联合损失收敛；使用轮廓系数及Davies‑Bouldin指数作为该聚类方法的评价指标。本发明应用在单分子电输运信号聚类，为单分子电子学基础研究及应用研究提供了有效的数据方法支撑。