DBSCAN חצי-מפוקח
DBSCAN חצי-מפוקח מרחיב את אלגוריתם האשכולות הקנוני מבוסס-צפיפות (Ester et al., 1996) על ידי שילוב קבוצה קטנה של אילוצים זוגיים או אילוצי תווית – זוגות must-link שחייבים לחלוק אשכול, זוגות cannot-link שחייבים להיות מופרדים, או קומץ תוויות ידועות – כדי להנחות את יצירת האשכולות תוך שמירה על יכולתו של DBSCAN לגלות אשכולות בעלי צורה שרירותית ולסמן נקודות רעש.
קראו את השיטה במלואה
התחברו 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., & 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
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/he/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.
- DBSCANלמידת מכונה↔ compare
- HDBSCANלמידת מכונה↔ compare
- אשכול K-meansלמידת מכונה↔ compare
- מודל גאוסיאני מעורב למחצה מפוקחלמידת מכונה↔ compare
- K-means חצי מפוקחלמידת מכונה↔ compare