О методах кластеризации, основанных на плотности. |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-10-28 11:20 В прошлом году Глеб рассказывал о алгоритмах кластеризации, использующих глобальную структуру: метод к-средних, к-соседей и affinity propagarion. Оказалось, что если кластеры, например, несферичны, то такие алгоритмы не справляются с задачей кластеризации. В докладе рассказывается о методе DBSCAN, который пытается выделить кластеры на основе локальной структуры данных и поэтому может улавливать кластеры сложной топологии. Также рассказывается об OPTICS'е – разумном обобщении DBSCAN'a. Естественно, показываются результаты работы на модельных данных. Источник: vk.com Комментарии: |
|