Önfelügyelt DBSCAN
Az önfelügyelt DBSCAN egy kétszintű, felügyelet nélküli folyamat, amely először egy neurális enkódert képez egy előfeladat (pretext task) segítségével – mint például kontrasztív tanulás vagy maszkírozott rekonstrukció –, hogy címkézetlen adatokból tömör, szemantikailag értelmes beágyazásokat (embeddings) hozzon létre, majd az így kapott beágyazási térben alkalmazza a DBSCAN algoritmust, hogy tetszőleges alakú klasztereket fedezzen fel osztálycímkék megadása nélkül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/hu/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.
- DBSCANGépi tanulás↔ compare
- HDBSCANGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt DBSCANGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →