Mean Shift Clustering and Mode-Seeking Algorithm
Föreställ dig att du sprider frön slumpmässigt över ett landskap och att varje frö upprepade gånger rullar uppåt mot den närmaste koncentrationen av datapunkter. Till slut sätter sig varje frö vid en lokal topp – en mod – av datatätheten. Frön som konvergerar till samma topp tillhör samma kluster. Mean Shift formaliserar denna idé: den jämnar ut data med en kärna för att skapa en täthetsyta, och flyttar sedan iterativt varje punkt mot det viktade genomsnittet av dess grannar tills konvergens uppnås. Bandbredden på kärnan styr hur brett du jämnar ut ytan – en stor bandbredd slår samman närliggande toppar till en; en liten bandbredd avslöjar finkornig struktur.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/sv/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.
- DBSCANMaskininlärning↔ compare
- Hierarkisk klustringMaskininlärning↔ compare
- K-means-klustringMaskininlärning↔ compare
- SpektralklusteranalysMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →