Mean Shift Clustering and Mode-Seeking Algorithm

Stel je voor dat je willekeurig zaden verspreidt over een landschap en elk zaadje herhaaldelijk bergop rolt naar de dichtstbijzijnde concentratie van datapunten. Uiteindelijk vestigt elk zaadje zich op een lokale piek — een modus — van de datadichtheid. Zaden die naar dezelfde piek convergeren, behoren tot dezelfde cluster. Mean Shift formaliseert dit idee: het vlakt de data af met een kernel om een dichtheidsoppervlak te creëren, en verplaatst vervolgens iteratief elk punt naar het gewogen gemiddelde van zijn buren totdat convergentie is bereikt. De bandbreedte van de kernel bepaalt hoe breed je het oppervlak afvlakt — een grote bandbreedte voegt nabijgelegen pieken samen tot één; een kleine bandbreedte onthult fijnmazige structuur.