Online DBSCAN
Το Online DBSCAN επεκτείνει τον κλασικό αλγόριθμο ομαδοποίησης βάσει πυκνότητας για να χειριστεί συνεχώς εισερχόμενα σημεία δεδομένων χωρίς να επανα-ομαδοποιεί ολόκληρο το σύνολο δεδομένων από την αρχή. Κάθε νέα παρατήρηση ενσωματώνεται στην υπάρχουσα δομή των συστάδων μέσω τοπικών ερωτημάτων γειτονιάς, καθιστώντας το πρακτικό για σενάρια ροής δεδομένων και αποθηκών δεδομένων όπου τα δεδομένα αυξάνονται σταδιακά.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Online Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/el/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.
- DBSCANΜηχανική Μάθηση↔ compare
- HDBSCANΜηχανική Μάθηση↔ compare
- Διαδικτυακό Μοντέλο Μείγματος GaussianΜηχανική Μάθηση↔ compare
- Διαδικτυακός K-meansΜηχανική Μάθηση↔ compare
- Διαδικτυακή ΜάθησηΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →