Samonadzorovani DBSCAN
Samonadzorovani DBSCAN je dvofazni nenadzorovani postupak koji prvo trenira neuronski enkoder na pretka zadatku — kao što je kontrastivno učenje ili maskirana rekonstrukcija — kako bi se proizvele sažete, semantički smislene ugradnje iz nepodijeljenih podataka, a zatim primjenjuje DBSCAN u rezultirajućem prostoru ugradnji za otkrivanje klastera proizvoljnog oblika bez potrebe za ikakvim oznakama klase.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
- Zhan, X., Liu, Z., Luo, P., Tang, X., & Loy, C. C. (2018). Rethinking deep neural network training for face recognition: A geometric approach. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2045–2054. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/hr/machine-learning/self-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.
- DBSCANStrojno učenje↔ compare
- HDBSCANStrojno učenje↔ compare
- Grupna analiza K-meansStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polu-nadgledani DBSCANStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →