Machine learning
Mean Shift
Mean Shift는 확률 밀도 함수의 봉우리를 군집으로 식별하는 비모수적, 반복적 모드 탐색 알고리즘입니다. 원래 패턴 인식에서 기울기 추정을 위해 Fukunaga와 Hostetler (1975)에 의해 소개되었으나, 견고한 특징 공간 분석 및 이미지 분할을 위해 Comaniciu와 Meer (2002)에 의해 실질적으로 확장되고 대중화되었습니다. K-평균과는 달리 Mean Shift는 군집 수를 미리 지정할 필요 없이 데이터 밀도로부터 군집 구조를 완전히 도출합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →