ΟΠΤΙΚΗ
Η OPTICS (Ordering Points To Identify the Clustering Structure) είναι ένας αλγόριθμος ομαδοποίησης βασισμένος στην πυκνότητα, που εισήχθη από τους Ankerst, Breunig, Kriegel και Sander το 1999. Γενικεύει τον DBSCAN επεξεργαζόμενος τα σημεία σε μια διάταξη που κωδικοποιεί την πλήρη δομή ομαδοποίησης βασισμένη στην πυκνότητα ενός συνόλου δεδομένων, επιτρέποντας την ανίχνευση ομαδοποιήσεων μεταβλητών πυκνοτήτων μέσω ενός διαγράμματος προσβασιμότητας (reachability plot) αντί να απαιτεί ένα σταθερό καθολικό όριο πυκνότητας.
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
- Ankerst, M., Breunig, M. M., Kriegel, H.-P., & Sander, J. (1999). OPTICS: Ordering points to identify the clustering structure. ACM SIGMOD Record, 28(2), 49–60. DOI: 10.1145/304181.304187 ↗
- Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. link ↗
- Aggarwal, C. C., & Reddy, C. K. (Eds.) (2013). Data Clustering: Algorithms and Applications (Ch. 4). CRC Press. ISBN: 978-1-4665-5821-2
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/el/machine-learning/optics
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
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →