DBSCAN semisupervisat
El DBSCAN semisupervisat estén el seu algorisme canònic de clustering basat en densitat (Ester et al., 1996) incorporant un petit conjunt de restriccions per parells o d'etiquetes — parells 'must-link' que han de compartir un clúster, parells 'cannot-link' que s'han de separar, o un grapat d'etiquetes conegudes — per guiar la formació de clústers, tot conservant la capacitat del DBSCAN de descobrir clústers de forma arbitrària i assenyalar punts de soroll.
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 ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-7
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ca/machine-learning/semi-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
- Model de Mescles Gaussianes SemisupervisatAprenentatge automàtic↔ compare
- K-means semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →