Semi-supervised DBSCAN
Semi-supervised DBSCAN utvider den kanoniske tetthetsbaserte klyngealgoritmen (Ester et al., 1996) ved å inkorporere et lite sett med parvise eller merkebegrensninger — må-koble par som må dele en klynge, kan-ikke-koble par som må separeres, eller en håndfull kjente merker — for å styre klyngedannelsen, samtidig som DBSCANs evne til å oppdage vilkårlige klyngeformer og flagge støy-punkter beholdes.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/no/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.
- DBSCANMaskinlæring↔ compare
- HDBSCANMaskinlæring↔ compare
- K-means klyngeanalyseMaskinlæring↔ compare
- Semi-supervised Gaussian Mixture ModelMaskinlæring↔ compare
- Semi-veilet K-meansMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →