Mean Shift
Mean Shift este un algoritm non-parametric, iterativ, de căutare a modurilor, care identifică clusterele ca fiind vârfurile unei funcții de densitate de probabilitate subiacente. Introdus inițial de Fukunaga și Hostetler (1975) pentru estimarea gradientului în recunoașterea pattern-urilor, a fost extins substanțial și popularizat de Comaniciu și Meer (2002) pentru analiza robustă a spațiului de caracteristici și segmentarea imaginilor. Spre deosebire de k-means, Mean Shift nu necesită specificarea prealabilă a numărului de clustere, derivând structura clusterelor în întregime din densitatea datelor.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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
Cum se citează această pagină
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/ro/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.
- DBSCANÎnvățare automată↔ compare
- Clustering IerarhicÎnvățare automată↔ compare
- Clustering K-meansÎnvățare automată↔ compare
- Clustering SpectralÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →