Mean Shift
Mean Shift — это непараметрический итеративный алгоритм поиска мод (peaks), который идентифицирует кластеры как пики лежащей в основе функции плотности вероятности. Изначально предложенный Fukunaga и Hostetler (1975) для оценки градиента в распознавании образов, он был существенно расширен и популяризирован Comaniciu и Meer (2002) для робастного анализа признакового пространства и сегментации изображений. В отличие от k-means, Mean Shift не требует предварительного задания числа кластеров, определяя структуру кластеров исключительно на основе плотности данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/ru/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.
- DBSCANМашинное обучение↔ compare
- Иерархическая кластеризацияМашинное обучение↔ compare
- Кластеризация методом k-среднихМашинное обучение↔ compare
- Спектральная кластеризацияМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →