DBSCAN auto-supervisat
El DBSCAN auto-supervisat és un pipeline no supervisat de dues etapes que primer entrena un codificador neuronal amb una tasca pretextual —com ara aprenentatge contrastiu o reconstrucció emmascarada— per produir incrustacions compactes i semànticament significatives a partir de dades no etiquetades, i després aplica DBSCAN a l'espai d'incrustacions resultant per descobrir clústers de forma arbitrària sense necessitat d'etiquetes de classe.
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., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. In Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96), pp. 226–231. AAAI Press. link ↗
- Zhan, X., Liu, Z., Luo, P., Tang, X., & Loy, C. C. (2018). Rethinking deep neural network training for face recognition: A geometric approach. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2045–2054. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/ca/machine-learning/self-supervised-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
- Agrupació K-meansAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- DBSCAN semisupervisatAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →