Mean Shift
Mean Shift ialah algoritma pencarian mod bukan parametrik berulang yang mengenal pasti kelompok sebagai puncak fungsi ketumpatan kebarangkalian asas. Pada asalnya diperkenalkan oleh Fukunaga dan Hostetler (1975) untuk anggaran kecerunan dalam pengecaman corak, ia telah dikembangkan secara besar-besaran dan dipopularkan oleh Comaniciu dan Meer (2002) untuk analisis ruang ciri yang teguh dan segmentasi imej. Tidak seperti k-means, Mean Shift tidak memerlukan spesifikasi awal bilangan kelompok, yang menerbitkan struktur kelompok sepenuhnya daripada ketumpatan data.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara memetik halaman ini
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/ms/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.
- DBSCANPembelajaran Mesin↔ compare
- Pencapanian HierarkisPembelajaran Mesin↔ compare
- PengeLCManan K-meansPembelajaran Mesin↔ compare
- Pengelompokan SpektralPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →