Machine learningMachine learning
자기 지도 학습 기반 DBSCAN
자기 지도 학습 기반 DBSCAN은 비지도 파이프라인의 두 단계로 구성됩니다. 첫째, 사전 과제(예: 대조 학습 또는 마스크된 재구성)를 통해 신경망 인코더를 학습시켜 레이블이 없는 데이터로부터 압축되고 의미론적으로 유의미한 임베딩을 생성합니다. 둘째, 결과 임베딩 공간에서 DBSCAN을 적용하여 클래스 레이블 없이도 임의의 모양을 가진 클러스터를 발견합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/ko/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.
- DBSCAN머신러닝↔ compare
- HDBSCAN머신러닝↔ compare
- K-means 군집화머신러닝↔ compare
- 자기 지도 학습머신러닝↔ compare
- 준지도학습 DBSCAN머신러닝↔ compare