Machine learningMachine learning

Online HDBSCAN

Online HDBSCAN rozširuje hierarchický zhlukovací algoritmus HDBSCAN založený na hustote na inkrementálne spracovanie prúdiacich alebo sekvenčne prichádzajúcich dát. Namiesto opätovného budovania celej hierarchie od začiatku pri každom novom pozorovaní udržiava a lokálne aktualizuje vzájomný graf dosiahnuteľnosti, minimálny kostrový strom, kondenzovaný strom zhlukov a extrakciu stabilných zhlukov, čo umožňuje nepretržité zhlukovanie založené na hustote bez opätovného spracovania celej databázy.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Hassani, M., Seidl, T. (2017). Using internal evaluation measures to validate the quality of diverse stream clustering algorithms. Vietnam Journal of Computer Science, 4(3), 171–183. DOI: 10.1007/s40595-016-0086-9
  2. Campello, R. J. G. B., Moulavi, D., Zimek, A., & Sander, J. (2015). Hierarchical Density Estimates for Data Clustering, Visualization, and Outlier Detection. ACM Transactions on Knowledge Discovery from Data, 10(1), Article 5. DOI: 10.1145/2733381

Ako citovať túto stránku

ScholarGate. (2026, June 3). Online Hierarchical Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/sk/machine-learning/online-hdbscan

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.

Compare side by side
ScholarGateOnline HDBSCAN (Online Hierarchical Density-Based Spatial Clustering of Applications with Noise). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/online-hdbscan · Dátová sada: https://doi.org/10.5281/zenodo.20539026