DBSCAN semisupervisado
DBSCAN semisupervisado extiende el algoritmo canónico de agrupamiento basado en densidad (Ester et al., 1996) incorporando un pequeño conjunto de restricciones por pares o de etiquetas — pares de enlace obligatorio que deben compartir un clúster, pares de enlace no permitido que deben separarse, o un puñado de etiquetas conocidas — para guiar la formación de clústeres, al tiempo que conserva la capacidad de DBSCAN para descubrir clústeres de forma arbitraria y marcar puntos de ruido.
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 ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-7
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/es/machine-learning/semi-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
- Modelo de Mezcla Gaussiana Semi-supervisadoAprendizaje automático↔ compare
- K-means SemisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →