Meanshift算法

均值漂移(Meanshift)算法是基于核密度估计的爬山算法

概念补充
1.核函数：将原始空间中的向量作为输入向量，并返回特征空间（转换后的数据空间,可能是高维）中向量的点积的函数称为核函数
2.核密度估计：估计未知的密度函数，属于非参数检验方法之一

1.算法流程

设想在一个有N个样本点的特征空间，利用mean shift算法对数据进行分类：
1.初始确定一个中心点center，计算在设置的半径为D的圆形空间内所有的点与中心点center的向量
2.计算整个圆形空间内所有向量的平均值，得到一个偏移均值
3.将中心点center移动到偏移均值位置
4.重复移动，直到满足一定条件结束
Meanshift图解过程

2.核心算法

2.1核函数

引入目的：使得随着样本与被偏移点的距离不同，其偏移量对均值偏移向量的贡献也不同。
常用的核函数：高斯核函数

2.2核心算法思想

计算每个点的偏移均值，然后根据新计算的偏移均值更新点的位置