دیبیاسکن نیمهنظارتشده
دیبیاسکن نیمهنظارتشده، الگوریتم خوشهبندی مبتنی بر چگالی متعارف (استر و همکاران، ۱۹۹۶) را با گنجاندن مجموعهای کوچک از محدودیتهای زوجی یا برچسبی - جفتهای «باید پیوند» که باید در یک خوشه قرار گیرند، جفتهای «نباید پیوند» که باید از هم جدا شوند، یا تعداد انگشتشماری برچسب شناختهشده - برای هدایت تشکیل خوشه، ضمن حفظ توانایی دیبیاسکن در کشف خوشههای با شکل دلخواه و علامتگذاری نقاط نویز، توسعه میدهد.
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
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fa/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.
- دیبیاسکنیادگیری ماشین↔ compare
- اچدیبیاسکنیادگیری ماشین↔ compare
- خوشهبندی K-meansیادگیری ماشین↔ compare
- مدل مخلوط گوسی نیمهنظارتییادگیری ماشین↔ compare
- K-means نیمهنظارتشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →