Polu-nadgledani DBSCAN
Polu-nadgledani DBSCAN proširuje kanonski algoritam grupiranja utemeljen na gustoći (Ester et al., 1996) uvođenjem malog skupa parovnih ili oznaka ograničenja — parovi koje se mora povezati (must-link) koji moraju dijeliti grupu, parovi koje se ne smije povezati (cannot-link) koji se moraju razdvojiti, ili nekolicina poznatih oznaka — kako bi se usmjerilo formiranje grupa, zadržavajući pritom sposobnost DBSCAN-a da otkriva grupe proizvoljnih oblika i označava točke buke.
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 ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-7
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hr/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.
- DBSCANStrojno učenje↔ compare
- HDBSCANStrojno učenje↔ compare
- Grupna analiza K-meansStrojno učenje↔ compare
- Poluvodeni Gaussov model smjeseStrojno učenje↔ compare
- Polu-nadgledani K-sredinaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →