均值漂移
来源:互联网 发布:慈溪行知职业 编辑:程序博客网 时间:2024/05/16 18:43
均值漂移(Meanshift)算法理解
1.均值漂移的基本概念:沿着密度上升方向寻找聚簇点
设想在一个有N个样本点的特征空间
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(xi)与中心点center的向量
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
将中心点center移动到偏移均值位置
重复移动,直到满足一定条件结束
2.均值漂移运算:
2.1 Mean shift的基础公式:
偏移均值
Sh:以x为中心点,半径为h的高维球区域; k:包含在Sh范围内点的个数; xi:包含在Sh范围内的点
中心更新
将中心点移动到偏移均值位置
Mt为t状态下求得的偏移均值; xt为t状态下的中心
2.2 引入核函数的偏移均值:
核函数
核函数只是用来计算映射到高维空间之后的内积的一种简便方法,目的为让低维的不可分数据变成高维可分。利用核函数,可以忽略映射关系,直接在低维空间中完成计算。
引入核函数的偏移均值
在均值漂移中引入核函数的概念,能够使计算中距离中心的点具有更大的权值,反映距离越短,权值越大的特性。改进的偏移均值:
其中,x为中心点;xi为带宽范围内的点;n为带宽范围内的点的数量;g(x)为对核函数的导数求负
3.均值漂移的应用:
聚类(K均值聚类)
图像分割(将图像映射到特征空间,对采样点进行均值漂移聚类)
对象轮廓检验(光线传播算法)
目标跟踪(求解最优化Bhattacharya系数函数)
4.均值漂移运算步骤:
1、在未被分类的数据点中随机选择一个点作为中心点;
2、找出离中心点距离在带宽之内的所有点,记做集合M,认为这些点属于簇c。
3、计算从中心点开始到集合M中每个元素的向量,将这些向量相加,得到偏移向量。
4、中心点沿着shift的方向移动,移动距离是偏移向量的模。
5、重复步骤2、3、4,直到偏移向量的大小满足设定的阈值要求,记住此时的中心点。
6、重复1、2、3、4、5直到所有的点都被归类。
7、分类:根据每个类,对每个点的访问频率,取访问频率最大的那个类,作为当前点集的所属类。
- 均值漂移
- 均值漂移MeanShift方法
- Meanshift(均值漂移)
- opencv2均值漂移算法
- 均值漂移(meanShift、CamShift)
- 【opencv】均值漂移函数
- 均值漂移(Meanshift)算法
- 均值漂移跟踪器(Meanshift tracking)
- Sample Mean Shift 样本均值漂移原理
- 使用均值漂移算法查找物体,源代码
- 均值漂移(meanshift)算法查找物体
- Mean Shift 均值漂移聚类
- OpenCV之均值漂移(Mean Shift)算法
- opencv——均值漂移分割
- 聚类算法之MeanShift(均值漂移)
- opencv 金子塔均值漂移pyrMeanShiftFiltering
- opecv2 MeanShift 使用均值漂移算法查找物体
- opencv2用均值漂移算法跟踪特定颜色的物体
- Python网络爬虫与信息提取(中国大学mooc)
- 基于Arduino的GPS数据解析程序
- java.util.Date cannot be cast to java.sql.Date 将date类型的数据存入数据库
- c++中的某些重点知识点
- SpringMVC+ajaxFileUpload.js实现文件上传
- 均值漂移
- 微型技术报告(3)
- URL.createObjectURL和URL.revokeObjectURL
- 如何调用内核未导出的函数
- LINUX内核分析第一周学习总结:计算机是如何工作的?
- windows下安装centOS7遇到的几个问题
- Java替换中使用正则表达式实现中间模糊匹配
- myeclipse添加反编译插件
- shell脚本中常用的技能