本文提出了一种自我强化图对比学习（SRGCL）框架，旨在解决图对比学习中高质量正样本对难以获取的问题。SRGCL通过动态评估和选择正样本对，并结合增强策略，展现了在多种图分类任务中的优越性和有效性。

本文介绍了一种在线聚类方法，名为对比聚类，通过最大化正样本对的相似度和最小化负样本对的相似度，实现了实例级和簇级对比学习。实验结果显示，该方法在六项图像基准任务中优于17种竞争对手的聚类方法。