OPTICS
OPTICS (Ordering Points To Identify the Clustering Structure) — это алгоритм кластеризации на основе плотности, представленный Анкерстом, Бройнигом, Кригелем и Зандером в 1999 году. Он обобщает DBSCAN, обрабатывая точки в порядке, который кодирует полную кластерную структуру на основе плотности набора данных, позволяя обнаруживать кластеры с различными плотностями с помощью графика достижимости (reachability plot), а не требуя фиксированного глобального порога плотности.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/ru/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.
- DBSCANМашинное обучение↔ compare
- HDBSCANМашинное обучение↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →