The DBSCAN algorithm is a density-b

The DBSCAN algorithm is a density-based clustering technique. Such algorithms assume that clusters are
regions of high density patterns, separated by regions of low density in the data space. A cluster (or grouped data
set) is defined as a connected dense component and grows in any direction that density leads. The operation of
the algorithm is straightforward and is based on calculating a proximity radius between each pair of objects. This
calculation is defined according to the adopted similarity metric (i.e. Euclidean distance, cosine similarity etc.).
For each object in the dataset, the algorithm evaluates the number of neighbours that an object have by counting
the number of other objects that are within a proximity radius (minimum R), defined as an input parameter of the
algorithm. Based on this calculation, each object is labelled core, border or noise, according to its number of
neighbours. If a given object has more neighbours than a minimum value (MinPts), also defined as a parameter of
the algorithm, it is classified as core, and all objects reachable from it, either directly (direct neighbours) or indirectly (neighbours of neighbours), are classified as border. All the others objects, not reachable from any core, are
classified as noise. Each set of objects associated with a core determines a cluster. Figure 1 illustrate this process.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึม DBSCAN เป็นเทคนิค clustering ตามความหนาแน่น อัลกอริทึมเช่นสมมติว่า กลุ่มขอบเขตของรูปแบบความหนาแน่นสูง แบ่งตามเขตพื้นที่ของความหนาแน่นต่ำในพื้นที่ข้อมูล คลัสเตอร์ (หรือจัดกลุ่มข้อมูลชุด) เป็นการเชื่อมต่อหนาแน่น และเติบโตในทิศทางใดที่นำไปสู่ความหนาแน่น การดำเนินงานของอัลกอริทึมเป็นตรงไปตรงมา และเป็นไปตามการคำนวณรัศมีใกล้ระหว่างแต่ละคู่ของวัตถุ นี้การคำนวณจะถูกกำหนดตามการวัดความคล้ายคลึงกันบุญธรรม (ระยะทางแบบยุคลิดเช่น คล้ายโคไซน์ฯลฯ)สำหรับแต่ละวัตถุในชุดข้อมูล วิธีการประเมินของเพื่อนบ้านที่มีวัตถุ โดยการนับหมายเลขของวัตถุอื่น ๆ ที่อยู่ในรัศมีใกล้เคียง (ขั้นต่ำ R), กำหนดเป็นพารามิเตอร์ป้อนเข้าของ การอัลกอริทึม จากการคำนวณนี้ แต่ละวัตถุจะมีป้ายหลัก เส้นขอบ หรือ เสียง ตามจำนวนครั้งของการเพื่อนบ้าน ถ้าวัตถุที่กำหนดมีเพื่อนบ้านเพิ่มเติมกว่าค่าต่ำสุด (MinPts), ที่กำหนดเป็นพารามิเตอร์ของอัลกอริทึม เป็นหลัก และวัตถุทั้งหมดสามารถเข้าถึงจากมัน โดยตรง (ประเทศเพื่อนบ้านโดยตรง) หรือโดยทางอ้อมจัด (เพื่อนบ้านของเพื่อนบ้าน), เป็นเส้นขอบ เครื่องอื่น ๆ วัตถุ ไม่สามารถเข้าถึงจากหลักใด ๆ มีจัดเป็นเสียงรบกวน แต่ละชุดของวัตถุที่สัมพันธ์กับหลักกำหนดคลัสเตอร์ รูปที่ 1 แสดงให้เห็นถึงกระบวนการนี้

ผลลัพธ์ (ไทย) 2:

อัลกอริทึม DBSCAN เป็นเทคนิคการจัดกลุ่มตามความหนาแน่น ขั้นตอนวิธีการดังกล่าวคิดว่าเป็นกลุ่ม
ภูมิภาคของรูปแบบความหนาแน่นสูงแยกจากกันโดยภูมิภาคของความหนาแน่นต่ำในพื้นที่ข้อมูล กลุ่ม (หรือข้อมูลการจัดกลุ่ม
ชุด) ถูกกำหนดให้เป็นองค์ประกอบที่มีความหนาแน่นสูงที่เกี่ยวโยงกันและเติบโตไปในทิศทางใด ๆ ที่นำไปสู่ความหนาแน่น การดำเนินงานของ
อัลกอริทึมตรงไปตรงมาและอยู่บนพื้นฐานการคำนวณรัศมีใกล้ชิดระหว่างคู่ของวัตถุแต่ละ นี้
การคำนวณที่ถูกกำหนดให้เป็นไปตามความคล้ายคลึงกันนำมาใช้ตัวชี้วัด (เช่นยุคลิดระยะทางโคไซน์คล้ายคลึงกัน ฯลฯ ).
สำหรับวัตถุในชุดข้อมูลที่แต่ละขั้นตอนวิธีการประเมินจำนวนของประเทศเพื่อนบ้านที่มีวัตถุโดยการนับ
จำนวนของวัตถุอื่น ๆ ที่อยู่ภายในได้ บ้านใกล้เรือนเคียงรัศมี (ขั้นต่ำ R) ซึ่งกำหนดให้เป็นพารามิเตอร์สำหรับการป้อนของ
อัลกอริทึม บนพื้นฐานของการคำนวณนี้แต่ละวัตถุจะมีป้ายหลักเขตแดนหรือเสียงตามจำนวนของ
เพื่อนบ้าน หากวัตถุที่ได้รับมีเพื่อนบ้านมากขึ้นกว่าค่าต่ำสุด (MinPts) ยังกำหนดให้เป็นพารามิเตอร์ของ
อัลกอริทึมก็จัดเป็นหลักและวัตถุทั้งหมดที่สามารถเข้าถึงได้จากมันทั้งโดยตรง (เพื่อนบ้านโดยตรง) หรือทางอ้อม (เพื่อนบ้านของประเทศเพื่อนบ้าน) ถูกจัดประเภทเป็นชายแดน ทั้งหมดวัตถุที่คนอื่น ๆ ไม่สามารถเข้าถึงได้จากแกนใด ๆ จะถูก
จัดเป็นเสียง ชุดของวัตถุที่เกี่ยวข้องกับหลักแต่ละกำหนดคลัสเตอร์ รูปที่ 1 แสดงให้เห็นถึงขั้นตอนนี้

ผลลัพธ์ (ไทย) 3:

การ dbscan ขั้นตอนวิธีการจัดกลุ่มความหนาแน่นตามเทคนิค ขั้นตอนวิธีดังกล่าวถือว่ากลุ่มเป็นภูมิภาคของรูปแบบความหนาแน่นสูง , แยกภูมิภาคของความหนาแน่นต่ำในข้อมูลพื้นที่โดย คลัสเตอร์ ( หรือข้อมูล )ชุด ) หมายถึง การเชื่อมต่อหนาแน่นส่วนประกอบและเติบโตไปในทิศทางใด ที่ความหนาแน่นของข้อมูล การดำเนินงานของขั้นตอนวิธีนี้จะตรงไปตรงมา และอยู่บนพื้นฐานของการคำนวณรัศมีความใกล้ชิดระหว่างคู่ของแต่ละวัตถุ นี้การคำนวณที่กำหนดไว้ตามการใช้ความเหมือนระบบเมตริก ( เช่นระยะทางแบบยุคลิด โคไซน์คล้ายคลึง ฯลฯ )สำหรับแต่ละวัตถุใน DataSet , อัลกอริทึมประเมินจำนวนเพื่อนบ้านที่วัตถุได้โดยการนับจำนวนของวัตถุอื่น ๆที่อยู่ภายในรัศมีความใกล้ชิด ( ขั้นต่ำ R ) ที่กำหนดเป็นพารามิเตอร์ของการป้อนข้อมูลขั้นตอนวิธี โดยการคำนวณนี้ แต่ละวัตถุเป็นข้อความหลัก ตามชายแดน หรือเสียงของจำนวนเพื่อนบ้าน ถ้าวัตถุมีเพื่อนบ้านมากกว่าค่าต่ำสุด ( minpts ) ยังกำหนดเป็นพารามิเตอร์ของขั้นตอนวิธี มันจัดเป็นหลักและวัตถุทั้งหมดสามารถเข้าถึงได้จากมัน ไม่ว่าโดยตรงหรือโดยอ้อม ( เพื่อนบ้านโดยตรง ) ( เพื่อนของเพื่อน ) ตามชายแดน ทุกคนอื่น ๆไม่สามารถเข้าถึงได้จากใด ๆวัตถุหลัก คือจัดเป็นเสียง แต่ละชุดของวัตถุที่เกี่ยวข้องกับหลักกำหนดกลุ่ม รูปที่ 1 แสดงให้เห็นกระบวนการนี้