DBSCAN Separuh-Bimbingan
DBSCAN Separuh-Bimbingan melanjutkan algoritma pengelompokan berasaskan ketumpatan kanonik (Ester et al., 1996) dengan menggabungkan sejumlah kecil kekangan pasangan atau label — pasangan wajib-sambung yang mesti berkongsi kelompok, pasangan larang-sambung yang mesti dipisahkan, atau segelintir label yang diketahui — untuk membimbing pembentukan kelompok sambil mengekalkan keupayaan DBSCAN untuk menemui kelompok berbentuk sewenang-wenangnya dan menandai titik hingar.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/ms/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.
- DBSCANPembelajaran Mesin↔ compare
- HDBSCANPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
- Model Campuran Gaussian Separa TerawasPembelajaran Mesin↔ compare
- K-means separa-pengawasanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →