Mean Shift
Mean Shift je neparametrický, iteratívny algoritmus na hľadanie módov, ktorý identifikuje klastre ako vrcholy podkladovej funkcie hustoty pravdepodobnosti. Pôvodne ho predstavili Fukunaga a Hostetler (1975) na odhad gradientu v rozpoznávaní vzorov, podstatne ho rozšírili a spopularizovali Comaniciu a Meer (2002) na robustnú analýzu v priestore príznakov a segmentáciu obrazu. Na rozdiel od k-means, Mean Shift nevyžaduje predchádzajúcu špecifikáciu počtu klastrov, pričom štruktúru klastrov odvodzuje výlučne z hustoty dát.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/sk/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.
- DBSCANStrojové učenie↔ compare
- Hierarchické zhlukovanieStrojové učenie↔ compare
- Zhlukovanie K-meansStrojové učenie↔ compare
- Spektrálne zhlukovanieStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →