Mean Shift
Mean Shift là một thuật toán tìm kiếm cực đại (mode-seeking) phi tham số, lặp, xác định các cụm dưới dạng các đỉnh của một hàm mật độ xác suất tiềm ẩn. Ban đầu được Fukunaga và Hostetler (1975) giới thiệu để ước lượng gradient trong nhận dạng mẫu, thuật toán này đã được Comaniciu và Meer (2002) mở rộng và phổ biến đáng kể cho phân tích không gian đặc trưng mạnh mẽ và phân đoạn ảnh. Khác với k-means, Mean Shift không yêu cầu chỉ định trước số lượng cụm, mà hoàn toàn suy ra cấu trúc cụm từ mật độ dữ liệu.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Mean Shift Clustering and Mode-Seeking Algorithm. ScholarGate. https://scholargate.app/vi/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.
- DBSCANHọc máy↔ compare
- Phân cụm phân cấpHọc máy↔ compare
- Phân cụm K-meansHọc máy↔ compare
- Phân cụm phổHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →