Density-based clustering algorithms

Density-based clustering algorithms such as DBSCAN work by building up on the
definition of density as the number of points within a specified radius. DBSCAN,
for instance, defines three kinds of points: core points are those that have more than
a specified number of neighbors within a given distance; border points have fewer
than the specified number but belong to a core point neighborhood; and noise points
are those that are neither core or border. The algorithm iteratively removes noise
points and performs clustering on the remaining points.

ผลลัพธ์ (ไทย) 1:

ความหนาแน่นตามอัลกอริทึมคลัสเตอร์เช่น DBSCAN ทำงาน โดยสร้างขึ้นในการdefinition ของความหนาแน่นเป็นจำนวนจุดภายในรัศมี specified DBSCANเช่น defines สามชนิดของจุด: จุดหลักคือผู้ที่มีมากกว่าจำนวนบ้านในระยะที่กำหนด specified เส้นขอบจุดมีน้อยกว่า specified ตัว เลขแต่อยู่ในพื้นที่ใกล้เคียงจุดหลัก และคะแนนเสียงมีผู้ที่ไม่มีหลักหรือเส้นขอบ อัลกอริทึมซ้ำ ๆ ออกเสียงจุด และทำคลัสเตอร์คะแนนที่เหลือ

ผลลัพธ์ (ไทย) 2:

ความหนาแน่นตามขั้นตอนวิธีการจัดกลุ่มเช่นการทำงาน DBSCAN โดยการสร้างขึ้นบน
nition ไฟของความหนาแน่นเป็นจำนวนจุดภายในรัศมีเอ็ดที่ระบุไว้ DBSCAN,
เช่นเด Fi Nes สามชนิดของจุด: จุดแกนเป็นคนที่มีมากกว่า
จำนวนที่ระบุไว้เอ็ดของเพื่อนบ้านที่อยู่ในระยะทางที่กำหนด; จุดชายแดนมีน้อย
กว่าจำนวนที่ระบุไว้เอ็ด แต่อยู่ในละแวกจุดหลัก; และจุดเสียง
เป็นคนที่จะไม่หลักหรือชายแดน อัลกอริทึมซ้ำขจัดเสียงรบกวน
จุดและดำเนินการจัดกลุ่มในจุดที่เหลืออยู่

ผลลัพธ์ (ไทย) 3:

ความหนาแน่นตามขั้นตอนวิธีการจัดกลุ่ม เช่น dbscan ทำงานโดยสร้างขึ้นบน
เดอ จึง nition ของความหนาแน่นของจำนวนจุดภายในกาจึงเอ็ดรัศมี dbscan
, ตัวอย่างเช่นจุดจึงไม่สามประเภทหลัก : จุดที่มีมากกว่า
a speci จึงเอ็ดจำนวนเพื่อนบ้านภายในระยะทางที่กำหนด จุดชายแดนมีน้อยกว่ากาจึงเอ็ด
เลขแต่เป็นหลัก จุดบ้าน ;และเสียงคะแนน
ที่ไม่ใช่แกนหรือเส้นขอบ ขั้นตอนวิธีนี้ซ้ำลบจุดรบกวน
และดําเนินการ clustering ในจุดที่เหลือ