Samoučící se DBSCAN
Samoučící se DBSCAN je dvoufázový, nesupervidovaný pipeline, který nejprve trénuje neuronový kodér na pretextové úloze – jako je kontrastní učení nebo maskovaná rekonstrukce – aby z netříděných dat vytvořil kompaktní, sémanticky smysluplné vnoření (embeddings), a poté aplikuje DBSCAN v takto vzniklém prostoru vnoření k objevení shluků libovolného tvaru bez nutnosti jakýchkoli třídních štítků.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/cs/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.
- DBSCANStrojové učení↔ compare
- HDBSCANStrojové učení↔ compare
- K-means ShlukováníStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semi-supervidované DBSCANStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →