Concept

DBSCAN

DBSCAN (density-based spatial clustering of applications with noise) est un algorithme de partitionnement de données proposé en 1996 par Martin Ester, Hans-Peter Kriegel, Jörg Sander et Xiaowei Xu. Il s'agit d'un algorithme fondé sur la densité dans la mesure qui s’appuie sur la densité estimée des clusters pour effectuer le partitionnement. thumb|400px|Les points A sont les points déjà dans le cluster. Les points B et C sont atteignables depuis A et appartiennent donc au même cluster. Le point N est une donnée aberrante puisque son epsilon voisinage ne contient pas de points dont l'epsilon voisinage contient MinPts points ou plus. L'algorithme DBSCAN utilise 2 paramètres : la distance et le nombre minimum de points devant se trouver dans un rayon pour que ces points soient considérés comme un cluster. Les paramètres d'entrées sont donc une estimation de la densité de points des clusters. L'idée de base de l'algorithme est ensuite, pour un point donné, de récupérer son -voisinage et de vérifier qu'il contient bien points ou plus. Ce point est alors considéré comme faisant partie d'un cluster. On parcourt ensuite l'-voisinage de proche en proche afin de trouver l'ensemble des points du cluster. DBSCAN(D, ε, MinPts) C = 0 pour chaque point P non visité des données D marquer P comme visité PtsVoisins = epsilonVoisinage(D, P, ε) si tailleDe(PtsVoisins) < MinPts marquer P comme BRUIT sinon C++ étendreCluster(D, P, PtsVoisins, C, ε, MinPts) étendreCluster(D, P, PtsVoisins, C, ε, MinPts) ajouter P au cluster C pour chaque point P' de PtsVoisins si P' n'a pas été visité marquer P' comme visité PtsVoisins' = epsilonVoisinage(D, P', ε) si tailleDe(PtsVoisins') >= MinPts PtsVoisins = PtsVoisins U PtsVoisins' si P' n'est membre d'aucun cluster ajouter P' au cluster C epsilonVoisinage(D, P, ε) retourner tous les points de D qui sont à une distance inférieure à ε de P Les points du jeu de données sont séparés en 3 types : Les points centraux (core points) Les points frontières (border points) Les points aberrants (noise points) Un point du jeu de données est dit central si : Son voisinage est dense Ces points forment des composantes connexes indépendantes de l'ordre d'exploration du jeu de données.

Source officielle

https://fr.wikipedia.org/wiki/DBSCAN

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Cours associés (12)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

PHYS-512: Statistical physics of computation

The students understand tools from the statistical physics of disordered systems, and apply them to study computational and statistical problems in graph theory, discrete optimisation, inference and machine learning. ...

MICRO-455: Machine learning I

Real-world engineering applications must cope with a large dataset of dynamic variables, which cannot be well approximated by classical or deterministic models. This course gives an overview of methods from Machine Learning for the analysis of non-linear, highly noisy and multi dimensional data

Afficher plus

Séances de cours associées (32)

Soft K-means Clustering & DBSCAN

Couvre Soft K-means Clustering et DBSCAN principes, algorithmes et comparaison.

Scène sémantique ouverte : SCIM

Présente le SCIM pour la compréhension de la scène sémantique du monde ouvert par regroupement, inférence et cartographie.

Modèles de blocs : Analyse continue

Explore le modèle de bloc stochastique, le regroupement spectral et la compréhension non paramétrique des modèles de bloc, en mettant l'accent sur les mesures pour comparer les modèles graphiques.

Afficher plus

Unités associées (4)

Laboratoire de systèmes d'information géographique

Laboratoire de traitement des signaux 2

Communauté d'études pour l'aménagement du territoire

Afficher plus

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Source officielle

https://fr.wikipedia.org/wiki/DBSCAN

À propos de ce résultat

Cours associés (12)

PHYS-467: Machine learning for physicists

PHYS-512: Statistical physics of computation

MICRO-455: Machine learning I

Afficher plus

Séances de cours associées (32)

Soft K-means Clustering & DBSCAN

Couvre Soft K-means Clustering et DBSCAN principes, algorithmes et comparaison.

Scène sémantique ouverte : SCIM

Présente le SCIM pour la compréhension de la scène sémantique du monde ouvert par regroupement, inférence et cartographie.

Modèles de blocs : Analyse continue

Afficher plus

Publications associées (14)

Performance of Density-based Clustering using MTG-LI Data for Short-Term Lightning Forecasting

Lightning nowcasting is a key component of severe weather forecasting. This study demonstrates that density-based clustering algorithms, applied to lightning flash position and time data from the new Meteosat MTG-LI instrument monitoring lightning activity over Europe, offer an effective and interpretable basis for short-term lightning forecasting. We evaluate clustering algorithms such as DBSCAN and HDBSCAN and analyze the impact of parameter selection and flash density on their performance. Our results in

2026

Braided Rivers as Morphological States: A Data-Driven Identification of Recurrent Planform Configurations

Braided rivers undergo continuous reorganization of their channel network, producing highly dynamic planform evolution and strongly intermittent sediment transport. Despite this apparent complexity, recent research suggests that braided rivers repeatedly occupy a finite number of characteristic morphological configurations, referred to as morphological states. Identifying these recurrent configurations provides a compact framework for describing and modeling river morphodynamics. This repository contains t

Zenodo2026

Modeling Functional Urban Centrality via Graph Attention Networks and Multi-Source Spatial Data Fusion

Conventional spatial analysis methods heavily rely on static morphology and Euclidean distance metrics, failing to capture functional urban centrality, which is inherently dynamic, flow-driven, and non-Euclidean. This study presents an unsupervised Graph Attention Network Autoencoder (GAT-AE) framework to model and quantify functional urban attractiveness by fusing multi-source geospatial indicators—including high-resolution satellite imagery, points of interest (POI), and VIIRS nighttime lights—with physic

Research Square Platform LLC2026

Afficher plus

Personnes associées (32)

Volker Gass

Fonction Directeur, Initiatives Stratégiques - VPI Enseignement et PhD A dirigé les thèses EPFL de Camille Sébastien Pirat, Florian Thibaut Gallien, Maxime Auchlin, Timothée Robert Sophus Frei, Tatiana Maillard

Isabella Di Lenardo

Ph.D. in Theories and Art History. Isabella di Lenardo is senior scientist in Digital Humanities and Urban History. Her research activity is focused on digital tools and methods applied to Urban History. She is an expert in ancient cartography, city representations, cadastral sources interpreted through digital modeling, extraction and analysis systems.She's also interested in network analysis questioning the production and circulation of artistic and architectural knowledge in Europe XVIth – XVIIIth centuries in particular on North-South relationships and influences. The development of collaboration projects with European institutions and the activity carried out on various initiatives supported by the European Commission have allowed her to acquire specialism in the field of science applied to heritage, developing in particular specific skills for the enhancement of Cultural Heritage through digital tools. She leads projects in collaboration with Bibliothèque national de France (Paris), Institut National d’Histoire de l’Art (Paris), Ecole nationale des chartes (Paris), Université Paris I Panthéon-Sorbonne, Centre Allemand d’Histoire de l’Art (Paris), Musée du Louvre, Archives Nationales de Paris, Bibliothèque Historique de la Ville de Paris, Réunion des Musées Nationaux. She supervised all the urban modeling simulations for the Venice Time Machine project and acted as content curator for all the exhibitions (Venice Biennale, Grand Palais-Paris, Datasquare - ArtLab-Lausanne, Museo Correr-Venice). Head of “Replica” project : digitizing 1 million photos of artworks in the Fondazione Giorgio Cini (Venice) and visual patterns extraction through a search engine for visual similarities. She has a Ph.D in Art History and also studied Archaeology and Urban Studies. She has published essays and articles about Venetian Art and Urban History and participated in many Art exhibitions in European museums. She coordinated summer schools and workshops about Digital Tools for Art History and Urban History. She attended conferences on digital methods for History in universities and patrimonial institutions.

Nicolas Jean Philippe Guex

Enseignement et PhD Cours Bioinformatic Analysis of RNA-sequencing (Fall) BIO-693(a) Due to its success, this course will take place from 1st to 5th September 2025 in room AAC 0 20.It introduces the workflows and techniques that are used for the analysis of bulk and single-cell RNA-seq data. It empowers students to understand and analyze their own data. Bioinformatic Analysis of RNA-sequencing (Spring) BIO-693(b) Methods: omics in biomedical research BIOENG-519

Miguel Garcia

Enseignement et PhD Cours Methods: omics in biomedical research BIOENG-519 Les méthodologies à haut débit, appelées "Omiques", permettent de caractériser la complexité et la dynamique de tout système biologique. Ce cours fournira une description générale des méthodes liées au domaine des "Omiques", suivie de rotations pratiques dans les plateformes participantes.

Olivier Verscheure

Enseignement et PhD Cours Data science pour ingénieurs avec Python ENG-209 Ce cours propose une immersion progressive et complète dans le domaine de la Data Science à travers le langage Python. Il guide les étudiants depuis la manipulation de données brutes jusqu'à la modélisation et l'extraction de connaissances utiles à partir de données réelles. Large-scale data science for real-world data COM-490 Ce cours pratique couvre outils et méthodes des data scientists, de la reche

Puneet Pasricha

Damir Filipovic

Damir Filipovic holds the Swissquote Chair in Quantitative Finance and is Swiss Finance Institute Professor at the Ecole Polytechnique Fédérale de Lausanne (EPFL), Switzerland. Prior to this, he was head of the Vienna Institute of Finance and professor at the University of Vienna. He previously held the chair of financial and insurance mathematics at the University of Munich, and he was on the faculty of Princeton University. He received his Ph.D. in mathematics from ETH Zurich in 2000. Damir Filipovic worked as a scientific consultant for the Swiss Federal Office of Private Insurance from 2003 to 2004. There he co-developed the Swiss Solvency Test, which defines the regulatory capital requirement for all Swiss based insurance companies and groups. He is on the editorial board of several academic journals. His research interests include the term structure of interest rates, credit and volatility risk, quantitative methods in risk management, and stochastic processes. His papers have been published in a variety of academic journals including the Journal of Financial Economics, Mathematical Finance, Finance and Stochastics, and the Annals of Applied Probability. He is the author of a textbook titled Term-Structure Models.

Vinitra Swamy

Paolo De Los Rios

Enseignement et PhD Doctorant·es actuel·les María Li López Bautista, Subhasis Dehury, Lisa Gennai A dirigé les thèses EPFL de Giovanni Salvi, Thomas Petermann, David Gfeller, Cécile Caretta Cartozo, David Morton de Lachapelle, Carlo Maffi, Lucio Floretta, Salvatore Assenza, Duccio Malinverni, Alberto Stefano Sassi, Andrea Martini, Solange Flatt, Adélaïde Alice Mohr, Shiling Liang, Alexandra Shelest, Davide Cois A co-dirigé les thèses EPFL de Lorenzo Talamanca Cours EDCB seminar series BIOENG-606

Jonas Schnidrig

Expertise Sustainable Energy system modellingLife Cycle AssessmentRenewable energy planningRational Use of EnergyThermoeconomic optimisationRenewable Energy News Interventions Avis d'experts (RTS) As a dedicated Researcher and Lecturer at EPFL & HES-So Valais Wallis, I am deeply engaged in energy system modeling and urban and national system optimization. My academic journey began in the capital of Valais, Switzerland, and has been driven by a passion for cultural diversity and a steadfast commitment to add

Afficher plus

Unités associées (4)

Laboratoire de systèmes d'information géographique

Laboratoire de traitement des signaux 2

Communauté d'études pour l'aménagement du territoire

Afficher plus

Concepts associés (1)

K-moyennes

Le partitionnement en k-moyennes (ou k-means en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire. Étant donnés des points et un entier k, le problème est de diviser les points en k groupes, souvent appelés clusters, de façon à minimiser une certaine fonction. On considère la distance d'un point à la moyenne des points de son cluster ; la fonction à minimiser est la somme des carrés de ces distances.

Personnes associées (32)

Volker Gass

Isabella Di Lenardo

Nicolas Jean Philippe Guex