Mean Shift
Mean Shift — це непараметричний, ітеративний алгоритм пошуку мод, який ідентифікує кластери як піки базової функції щільності ймовірності. Спочатку він був представлений Фукунагою та Хостетлером (Fukunaga and Hostetler, 1975) для оцінки градієнта в розпізнаванні образів, а потім суттєво розширений та популяризований Команічіу та Меєром (Comaniciu and Meer, 2002) для надійного аналізу простору ознак та сегментації зображень. На відміну від k-means, Mean Shift не вимагає попереднього задання кількості кластерів, виводячи структуру кластерів виключно з щільності даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/uk/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.
- DBSCANМашинне навчання↔ compare
- Ієрархічна кластеризаціяМашинне навчання↔ compare
- Кластеризація методом k-середніхМашинне навчання↔ compare
- Спектральне кластеризаціяМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →