OPTICS
OPTICS (Ordering Points To Identify the Clustering Structure) to algorytm klastrowania oparty na gęstości, wprowadzony przez Ankersta, Breuniga, Kriegela i Sandera w 1999 roku. Uogólnia on DBSCAN poprzez przetwarzanie punktów w kolejności, która koduje pełną opartą na gęstości strukturę klastrową zbioru danych, umożliwiając wykrywanie klastrów o zmiennych gęstościach za pomocą wykresu osiągalności (reachability plot) zamiast wymogu stałego globalnego progu gęstości.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Ankerst, M., Breunig, M. M., Kriegel, H.-P., & Sander, J. (1999). OPTICS: Ordering points to identify the clustering structure. ACM SIGMOD Record, 28(2), 49–60. DOI: 10.1145/304181.304187 ↗
- Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96), 226–231. link ↗
- Aggarwal, C. C., & Reddy, C. K. (Eds.) (2013). Data Clustering: Algorithms and Applications (Ch. 4). CRC Press. ISBN: 978-1-4665-5821-2
Jak cytować tę stronę
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/pl/machine-learning/optics
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.
- DBSCANUczenie maszynowe↔ compare
- HDBSCANUczenie maszynowe↔ compare
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →