OPTICS
OPTICS (Ordering Points To Identify the Clustering Structure) est un algorithme de regroupement (clustering) basé sur la densité, introduit par Ankerst, Breunig, Kriegel et Sander en 1999. Il généralise DBSCAN en traitant les points dans un ordre qui encode la structure complète des grappes basées sur la densité d'un ensemble de données, permettant la détection de grappes de densités variables au moyen d'un tracé d'accessibilité (reachability plot) plutôt que de nécessiter un seuil de densité global fixe.
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
- 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
Comment citer cette page
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/fr/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.
- DBSCANApprentissage automatique↔ compare
- HDBSCANApprentissage automatique↔ compare
- Regroupement hiérarchiqueApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →