मीन शिफ्ट
मीन शिफ्ट एक गैर-पैरामीट्रिक, पुनरावृत्तीय मोड-सीकिंग एल्गोरिथम है जो अंतर्निहित प्रायिकता घनत्व फलन के शिखरों के रूप में क्लस्टरों की पहचान करता है। मूल रूप से फुकुनागा और होस्टेटलर (1975) द्वारा पैटर्न रिकॉग्निशन में ग्रेडिएंट अनुमान के लिए प्रस्तुत किया गया था, इसे कोमानिसिउ और मीर (2002) द्वारा मजबूत फीचर-स्पेस विश्लेषण और इमेज सेगमेंटेशन के लिए पर्याप्त रूप से विस्तारित और लोकप्रिय बनाया गया था। k-मीन्स के विपरीत, मीन शिफ्ट को क्लस्टरों की संख्या के पूर्व-निर्धारण की आवश्यकता नहीं होती है, यह क्लस्टर संरचना को पूरी तरह से डेटा घनत्व से प्राप्त करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/hi/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.
- DBSCANमशीन अधिगम↔ compare
- पदानुक्रमिक समूहनमशीन अधिगम↔ compare
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- स्पेक्ट्रल क्लस्टरिंगमशीन अधिगम↔ compare