เปรียบเทียบวิธี

	อัลกอริทึม K-means แบบกึ่งมีผู้สอน	DBSCAN
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2001–2002	1996
ผู้ริเริ่ม	Wagstaff, K. et al. (constrained); Basu, S. et al. (seeded)	Ester, M., Kriegel, H.-P., Sander, J. & Xu, X.
ประเภท	Semi-supervised clustering	Density-based clustering algorithm
แหล่งต้นตำรับ	Wagstaff, K., Cardie, C., Rogers, S., & Schroedl, S. (2001). Constrained K-means Clustering with Background Knowledge. In Proceedings of the 18th International Conference on Machine Learning (ICML 2001), pp. 577–584.	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 KDD, 226–231.
ชื่อเรียกอื่น	constrained K-means, seeded K-means, partially supervised K-means, SS-K-means	DBSCAN Kümeleme, density-based clustering, density-based spatial clustering
ที่เกี่ยวข้อง	5	3
สรุป	Semi-supervised K-means extends standard K-means clustering by incorporating partial supervision — either a small set of labeled seed points or pairwise must-link and cannot-link constraints — to guide cluster formation. It bridges unsupervised clustering and fully supervised classification, enabling more meaningful clusters when labels are scarce but costly to obtain in full.	DBSCAN is a density-based clustering algorithm, introduced by Ester, Kriegel, Sander and Xu in 1996, that groups together points lying in dense regions and flags points in sparse regions as noise. It is effective on noisy data and on clusters of irregular, non-spherical shapes.