Félfelügyelt DBSCAN
A félfelügyelt DBSCAN a kanonikus sűrűség-alapú klaszterező algoritmust (Ester et al., 1996) bővíti ki, egy kis számú páronkénti vagy címkével kapcsolatos megkötés – kötelezően összekapcsolandó párok, amelyeknek azonos klaszterbe kell kerülniük, kötelezően szétválasztandó párok, amelyeket el kell különíteni, vagy néhány ismert címke – beépítésével, hogy irányítsa a klaszterképződést, miközben megőrzi a DBSCAN azon képességét, hogy tetszőleges alakú klasztereket fedezzen fel és zajpontokat jelöljön meg.
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 ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-7
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/hu/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.
- DBSCANGépi tanulás↔ compare
- HDBSCANGépi tanulás↔ compare
- K-means klaszterezésGépi tanulás↔ compare
- Félfelügyelt Gauss-keverék modellGépi tanulás↔ compare
- Félfelügyelt K-meansGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →