HDBSCAN en ligne
HDBSCAN en ligne étend l'algorithme de clustering hiérarchique basé sur la densité HDBSCAN pour traiter de manière incrémentielle les données en flux ou arrivant séquentiellement. Plutôt que de reconstruire la hiérarchie complète à partir de zéro à chaque nouvelle observation, il maintient et met à jour localement le graphe de mutual reachability, l'arbre couvrant minimal, l'arbre de clusters condensé et l'extraction de clusters basée sur la stabilité, permettant un clustering continu basé sur la densité sans retraitement complet de l'ensemble de données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Hassani, M., Seidl, T. (2017). Using internal evaluation measures to validate the quality of diverse stream clustering algorithms. Vietnam Journal of Computer Science, 4(3), 171–183. DOI: 10.1007/s40595-016-0086-9 ↗
- Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), Article 5. DOI: 10.1145/2733381 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/fr/machine-learning/online-hdbscan
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.
- DBSCANApprentissage automatique↔ compare
- Ensemble HDBSCANApprentissage automatique↔ compare
- HDBSCANApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Robust HDBSCANApprentissage automatique↔ compare
- Spectral ClusteringApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →