Самообучающийся DBSCAN
Самообучающийся DBSCAN — это двухэтапный неконтролируемый конвейер, который сначала обучает нейронный кодировщик на предварительной задаче — такой как контрастное обучение или маскированная реконструкция — для получения компактных, семантически значимых вложений из неразмеченных данных, а затем применяет DBSCAN в полученном пространстве вложений для обнаружения кластеров произвольной формы без необходимости каких-либо меток классов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
- Zhan, X., Liu, Z., Luo, P., Tang, X., & Loy, C. C. (2018). Rethinking deep neural network training for face recognition: A geometric approach. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2045–2054. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Representation Learning with DBSCAN Clustering. ScholarGate. https://scholargate.app/ru/machine-learning/self-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.
- DBSCANМашинное обучение↔ compare
- HDBSCANМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Полуавтоматический DBSCANМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →