Machine learningMachine learning

Online HDBSCAN

Το Online HDBSCAN επεκτείνει τον αλγόριθμο ομαδοποίησης βασισμένο στην πυκνότητα HDBSCAN για την τμηματική επεξεργασία δεδομένων ροής ή διαδοχικά εισερχόμενων δεδομένων. Αντί να ανακατασκευάζει πλήρως την ιεραρχία από την αρχή με κάθε νέα παρατήρηση, διατηρεί και ενημερώνει τοπικά τον αμοιβαίο γράφο προσβασιμότητας, το ελάχιστο δέντρο κάλυψης, το συμπυκνωμένο δέντρο συστάδων και την εξαγωγή συστάδων βάσει σταθερότητας, επιτρέποντας συνεχή ομαδοποίηση βασισμένη στην πυκνότητα χωρίς επαναεπεξεργασία ολόκληρου του συνόλου δεδομένων.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Hassani, M., Seidl, T. (2017). Using internal evaluation measures to validate the quality of diverse stream clustering algorithms. Vietnam Journal of Computer Science, 4(3), 171–183. DOI: 10.1007/s40595-016-0086-9
  2. Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), Article 5. DOI: 10.1145/2733381

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Online Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/el/machine-learning/online-hdbscan

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.

Compare side by side
ScholarGateOnline HDBSCAN (Online Hierarchical Density-Based Spatial Clustering of Applications with Noise). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/online-hdbscan · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026