OPTICS
OPTICS (Ordering Points To Identify the Clustering Structure) é um algoritmo de agrupamento baseado em densidade introduzido por Ankerst, Breunig, Kriegel e Sander em 1999. Ele generaliza o DBSCAN ao processar pontos em uma ordenação que codifica a estrutura completa de agrupamento baseada em densidade de um conjunto de dados, permitindo a detecção de agrupamentos de densidades variadas por meio de um gráfico de alcançabilidade, em vez de exigir um limiar de densidade global fixo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/pt/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.
- DBSCANAprendizado de máquina↔ compare
- HDBSCANAprendizado de máquina↔ compare
- Agrupamento HierárquicoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →