DBSCAN auto-supervisionato
Il DBSCAN auto-supervisionato è una pipeline non supervisionata a due stadi che dapprima addestra un codificatore neurale su un compito pretesto — come l'apprendimento contrastivo o la ricostruzione mascherata — per produrre embedding compatti e semanticamente significativi da dati non etichettati, e poi applica il DBSCAN nello spazio di embedding risultante per scoprire cluster di forma arbitraria senza richiedere alcuna etichetta di classe.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/it/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.
- DBSCANApprendimento automatico↔ compare
- HDBSCANApprendimento automatico↔ compare
- Clustering K-meansApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- DBSCAN semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →