ออปติกส์
OPTICS (Ordering Points To Identify the Clustering Structure) เป็นอัลกอริทึมการจัดกลุ่มแบบอิงความหนาแน่นที่นำเสนอโดย Ankerst, Breunig, Kriegel และ Sander ในปี 1999 มันเป็นการขยาย DBSCAN โดยการประมวลผลจุดตามลำดับที่เข้ารหัสโครงสร้างการจัดกลุ่มแบบอิงความหนาแน่นทั้งหมดของชุดข้อมูล ทำให้สามารถตรวจจับกลุ่มที่มีความหนาแน่นแตกต่างกันได้ผ่านแผนภาพการเข้าถึง (reachability plot) แทนที่จะต้องใช้เกณฑ์ความหนาแน่นทั่วโลกที่คงที่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). OPTICS: Ordering Points To Identify the Clustering Structure. ScholarGate. https://scholargate.app/th/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.
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- HDBSCAN (การจัดกลุ่มตามความหนาแน่นแบบลำดับชั้น)การเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบลำดับชั้นการเรียนรู้ของเครื่อง↔ compare