Mean shift 算法

常见的聚类算法除了Kmeans，还有Meanshift及AP。这里先总结一下Meanshift相关知识。

Mean shift基本思想

Mean shift将特征空间视为先验概率密度函数，那么输入就被视为是一组满足某种概率分布的样本点，这样一来，特征空间中数据最密集的地方，对应于概率密度最大的地方，且概率密度的质心就可以被视为是概率密度函数的局部最优值，也就是要求的聚类中心。

对于每一个样本点，计算以它为中心的某个范围内所有样本点的均值，作为新的中心（这就是shift既中心的移动），移动直至收敛。这样每一轮迭代，中心都会向数据更密集的地方移动。

伪代码可以写成：

重复移动直至收敛｛
    对每一个数据点，固定一个窗口（数据范围）：
    计算窗口内数据的中心；
    移动窗口至新的中心
｝

###如何完成中心的shift过程？### 可以对概率密度求梯度，梯度的方向就是概率密度增加最大的方向，从而也就是数据最密集的方向。 ####预备知识#### - 核 Kernels : 核是满足如下条件的函数：

1.

2.

常见的核函数包括 :

1. Rectangular

2. Gaussian