Machine learningMachine learning
DBSCAN מקוון
DBSCAN מקוון מרחיב את אלגוריתם האשכולות הקלאסי מבוסס-צפיפות כדי לטפל בנקודות נתונים המגיעות ברציפות, מבלי לאשכל מחדש את כל מערך הנתונים מאפס. כל תצפית חדשה משולבת במבנה האשכולות הקיים באמצעות שאילתות שכנות מקומיות, מה שהופך אותו למעשי עבור תרחישי הזרמה (streaming) ואחסון נתונים (data-warehousing) שבהם הנתונים גדלים באופן מצטבר.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Ester, M., Kriegel, H.-P., Sander, J., Wimmer, M., & Xu, X. (1998). Incremental Clustering for Mining in a Data Warehousing Environment. In Proceedings of the 24th International Conference on Very Large Data Bases (VLDB), pp. 323–333. link ↗
- Cao, F., Ester, M., Qian, W., & Zhou, A. (2006). Density-Based Clustering over an Evolving Data Stream with Noise. In Proceedings of the 2006 SIAM International Conference on Data Mining (SDM), pp. 328–339. DOI: 10.1137/1.9781611972764.29 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Online Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/he/machine-learning/online-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.
- DBSCANלמידת מכונה↔ compare
- HDBSCANלמידת מכונה↔ compare
- מודל גאוסיאני מעורב אונלייןלמידת מכונה↔ compare
- K-means מקווןלמידת מכונה↔ compare
- למידה מקוונתלמידת מכונה↔ compare