DBSCAN autosupervisado
DBSCAN autosupervisado es un pipeline no supervisado de dos etapas que primero entrena un codificador neuronal en una tarea pretexto —como aprendizaje contrastivo o reconstrucción enmascarada— para producir incrustaciones compactas y semánticamente significativas a partir de datos no etiquetados, y luego aplica DBSCAN en el espacio de incrustaciones resultante para descubrir clústeres de forma arbitraria sin requerir ninguna etiqueta de clase.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/es/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.
- DBSCANAprendizaje automático↔ compare
- HDBSCANAprendizaje automático↔ compare
- Agrupamiento K-mediasAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- DBSCAN semisupervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →