Mean Shift
Το Mean Shift είναι ένας μη-παραμετρικός, επαναληπτικός αλγόριθμος αναζήτησης κορυφών (mode-seeking) που αναγνωρίζει συστάδες ως τις κορυφές μιας υποκείμενης συνάρτησης πυκνότητας πιθανότητας. Αρχικά εισήχθη από τους Fukunaga και Hostetler (1975) για την εκτίμηση κλίσης στην αναγνώριση προτύπων, επεκτάθηκε ουσιαστικά και έγινε δημοφιλής από τους Comaniciu και Meer (2002) για την ανθεκτική ανάλυση χώρου χαρακτηριστικών και την τμηματοποίηση εικόνων. Σε αντίθεση με το k-means, το Mean Shift δεν απαιτεί προηγούμενη προδιαγραφή του αριθμού των συστάδων, παράγοντας τη δομή των συστάδων αποκλειστικά από την πυκνότητα των δεδομένων.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Fukunaga, K. & Hostetler, L. D. (1975). The estimation of the gradient of a density function, with applications in pattern recognition. IEEE Transactions on Information Theory, 21(1), 32–40. DOI: 10.1109/TIT.1975.1055330 ↗
- Comaniciu, D. & Meer, P. (2002). Mean shift: A robust approach toward feature space analysis. IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(5), 603–619. DOI: 10.1109/34.1000236 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 14). Springer. ISBN: 978-0-387-84858-7
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/el/machine-learning/mean-shift
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.
- DBSCANΜηχανική Μάθηση↔ compare
- Ιεραρχική ομαδοποίησηΜηχανική Μάθηση↔ compare
- Ομαδοποίηση K-meansΜηχανική Μάθηση↔ compare
- Φασματική ΟμαδοποίησηΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →