DBSCAN en línia
DBSCAN en línia estén l'algorisme clàssic de clustering basat en densitat per gestionar punts de dades que arriben contínuament sense haver de re-agrupar tot el conjunt de dades des de zero. Cada nova observació s'integra a l'estructura de clústers existent mitjançant consultes del veïnatge local, cosa que el fa pràctic per a escenaris de streaming i magatzems de dades (data-warehousing) on les dades creixen incrementalment.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Ester, M., Kriegel, H.-P., Sander, J., Wimmer, M., & Xu, X. (1998). Incremental Clustering for Mining in a Data Warehousing Environment. In Proceedings of the 24th International Conference on Very Large Data Bases (VLDB), pp. 323–333. link ↗
- Cao, F., Ester, M., Qian, W., & Zhou, A. (2006). Density-Based Clustering over an Evolving Data Stream with Noise. In Proceedings of the 2006 SIAM International Conference on Data Mining (SDM), pp. 328–339. DOI: 10.1137/1.9781611972764.29 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Online Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ca/machine-learning/online-dbscan
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.
- DBSCANAprenentatge automàtic↔ compare
- HDBSCANAprenentatge automàtic↔ compare
- Model de Mescles Gaussianes en LíniaAprenentatge automàtic↔ compare
- K-means en líniaAprenentatge automàtic↔ compare
- Aprenentatge en líniaAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →