DBSCAN แบบกึ่งมีผู้สอน
Semi-supervised DBSCAN เป็นการขยายอัลกอริทึมการจัดกลุ่มตามความหนาแน่น (density-based clustering) แบบมาตรฐาน (Ester et al., 1996) โดยการรวมชุดข้อจำกัดเล็กน้อยแบบคู่ (pairwise constraints) หรือข้อจำกัดแบบป้ายกำกับ (label constraints) เข้าไปด้วย ซึ่งอาจเป็นคู่ที่ต้องเชื่อมโยงกัน (must-link pairs) ที่ต้องอยู่ในกลุ่มเดียวกัน คู่ที่ต้องแยกจากกัน (cannot-link pairs) ที่ต้องแยกออกจากกัน หรือป้ายกำกับที่ทราบจำนวนเล็กน้อย เพื่อชี้นำการก่อตัวของกลุ่ม ในขณะที่ยังคงความสามารถของ DBSCAN ในการค้นหารูปทรงกลุ่มที่ซับซ้อนและระบุจุดที่เป็นสัญญาณรบกวน (noise points)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-7
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/th/machine-learning/semi-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.
- DBSCANการเรียนรู้ของเครื่อง↔ compare
- HDBSCAN (การจัดกลุ่มตามความหนาแน่นแบบลำดับชั้น)การเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบ K-meansการเรียนรู้ของเครื่อง↔ compare
- โมเดล Gaussian Mixture แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare
- อัลกอริทึม K-means แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare