Напівкерований DBSCAN
Напівкерований DBSCAN розширює канонічний алгоритм кластеризації на основі щільності (Ester et al., 1996), включаючи невеликий набір попарних обмежень або обмежень за мітками — пари «обов'язкового зв'язку», які повинні належати до одного кластера, пари «забороненого зв'язку», які повинні бути розділені, або кілька відомих міток — для керування формуванням кластерів, зберігаючи при цьому здатність DBSCAN виявляти кластери довільної форми та позначати точки шуму.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Density-Based Spatial Clustering of Applications with Noise. ScholarGate. https://scholargate.app/uk/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.
- DBSCANМашинне навчання↔ compare
- HDBSCANМашинне навчання↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Напівкерована Гауссова Суміш (Semi-supervised Gaussian Mixture Model, SS-GMM)Машинне навчання↔ compare
- Напівавтоматичний K-середніхМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →