MeanShift - 均值偏移

什么是 MeanShift (均值偏移) 算法？

• 
• 是一种基于密度梯度上升的聚类算法，通过迭代寻找数据集中的模式点即局部最大密度区域
• 

均值漂移（Meanshift）运算步骤？

1. 初始化：选择一个初始点作为当前位置。
2. 计算偏移：在当前点的一定范围内（由半径确定），计算所有点到中心点的偏移向量并求平均，得到均值偏移向量。
3. 更新位置：将当前点沿均值偏移向量的方向移动一定距离（步长），新的当前点成为下一次迭代的起始点。
4. 重复迭代：不断重复上述过程，直到满足结束条件（如达到最大迭代次数或偏移量小于某个阈值）。
5. 核函数的应用：为了考虑不同点之间距离的差异性，引入核函数的概念，使得距离中心点更近的点具有更大的权重。
6. 多维空间处理能力：由于使用了核函数，该算法能够在高维特征空间中有效地找到模式点。