MeanShift算法及其应用
来源:互联网 发布:大数据在线培训 编辑:程序博客网 时间:2024/05/22 09:44
MeanShift 算法原理:
给定d维空间Rd的n个样本点 ,i=1,…,n,在空间中任选一点x,那么Mean Shift向量的基本形式定义为:
Sk是一个半径为h的高维球区域,满足以下关系的y点的集合,
k表示在这n个样本点xi中,有k个点落入Sk区域中.
如果我们用核(高斯核或其他)密度估计的方法来估计Sk区域内一个观测点x的概率密度:
那么我们可以通过求导的方式来获得该区域内概率密度最大的点:
使得=0,当且仅当
等于0(实际上就是meanshift向量),我们可以得到概率最大点的坐标(即新的圆心坐标)如下:
MeanShift具体算法流程包括以下步骤:
- 随机选择空间中的一点x为圆心,以h为半径为半径,做一个高维球,落在所有球内的所有点xi
- 计算,如果<ε(人工设定),退出程序。如果>ε, 则计算出概率最大点,替换x,然后转向步骤1继续迭代.
- MeanShift算法及其应用
- Meanshift 算法
- meanshift算法
- meanshift算法
- meanshift算法
- meanshift算法
- meanshift算法
- meanshift算法
- MeanShift算法
- Meanshift算法
- MeanShift算法
- MeanShift算法及其在目标跟踪上的运用
- 跟踪算法->Meanshift算法
- Meanshift原理与应用
- meanShift算法介绍
- meanShift跟踪算法概述
- Meanshift,聚类算法
- meanshift算法步骤
- 如何在外部获取当前A标签的ID值
- 如何高效的访问内存
- ES PES PS
- Hibernate4之JPA规范配置详解
- 贝叶斯法则的一个例题
- MeanShift算法及其应用
- 系统最小化安装没有wget解决方案
- C++实例 常用问题笔记
- ios常用的字符串NSString理解
- Frustrated with iCloud, Apple’s developer community speaks up en masse
- JSON
- jquery学习笔记 切换皮肤
- linux下vim命令详解
- 解析解和数值解