MeanShift算法理解

Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.

具体步骤：1.在d维空间中，任选一个点，然后以这个点为圆心，h为半径做一个高维球，因为有d维，d可能大于2，所以是高维球。落在这个球内的所有点和圆心都会产生一个向量，向量是以圆心为起点落在球内的点位终点。然后把这些向量都相加。相加的结果就是Meanshift向量。

如图所以。其中黄色箭头就是Mh（meanshift向量）。

2.再以meanshift向量的终点为圆心，再做一个高维的球。如下图所示，重复以上步骤，就可得到一个meanshift向量。如此重复下去，meanshift算法可以收敛到概率密度最大得地方。也就是最稠密的地方。

转载自https://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html

核函数：采样点（即上述落在球内的点）对估计点（即圆心）的影响可能会不同（即，权重不同）。可以用核函数来决定不同采样点的权重。例如，可以通过计算采样点与估计点的高斯距离（即使用高斯核函数）来决定权重。这种方法就叫做核函数估计，是无参估计的一种。转载自https://blog.youkuaiyun.com/u014510375/article/details/42558203