2014-09-20
Mean Shift，可以翻译为均值漂移。
假设在一个多维空间中有很多数据点需要进行聚类，Mean Shift的过程如下：
1、在未被分类的数据点中随机选择一个点作为中心center；
2、找出离center距离在bandwidth之内的所有点，记做集合M，认为这些点属于簇c。
3、以center为中心点，计算从center开始到集合M中每个元素的向量，将这些向量相加，得到向量shift。
4、center = center+shift。即center沿着shift的方向移动，移动距离是||shift||。
5、重复步骤2、3、4，直到shift的大小很小（就是迭代到收敛），记住此时的center。注意，这个迭代过程中遇到的点都应该归类到簇c。如果收敛时的center已经被归类到c2，那么把c2和c合并。
6、重复1、2、3、4、5直到所有的点都被归类。
简单的说，mean shift就是沿着密度上升的方向寻找同属一个簇的数据点。
上面的算法只是mean shift的基础算法，现在已经对其进行了拓展，用于图像处理等领域。
在Mean Shift Clustering给出了mean shift的matlab代码。
Meanshift，聚类算法讲meanshift在图像处理中的应用。
Mean Shift: A Robust Approach Toward Feature Space Analysis是关于mean shift的一篇重要论文。
Mean Shift Clustering非常简要地介绍了mean shift。