OPTICS
OPTICS (Ordering Points To Identify the Clustering Structure) یک الگوریتم خوشهبندی مبتنی بر چگالی است که در سال ۱۹۹۹ توسط آنکرست، برونیگ، کریگل و ساندر معرفی شد. این الگوریتم با پردازش نقاط به ترتیبی که ساختار کامل خوشهبندی مبتنی بر چگالی یک مجموعه داده را کدگذاری میکند، DBSCAN را تعمیم میدهد و امکان شناسایی خوشههایی با چگالیهای متفاوت را از طریق نمودار دسترسیپذیری (reachability plot) فراهم میآورد، به جای اینکه به یک آستانه چگالی سراسری ثابت نیاز داشته باشد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/fa/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.
- دیبیاسکنیادگیری ماشین↔ compare
- اچدیبیاسکنیادگیری ماشین↔ compare
- خوشهبندی سلسلهمراتبییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →