「meanshift」MeanShift 均值漂移算法

meanshift

前面说了K-Means聚类算法，这里我们介绍一种新的聚类算法：meanshift，它常被用在图像识别中的目标跟踪，数据聚类、分类等场景，前者的核函数使用了Epannechnikov核函数，后者使用了Gaussian(高斯核函数)

一算法的原理理解：

1 核函数

在Mean Shift算法中引入核函数的目的是使得随着样本与被偏移点的距离的不同，其偏移量对均值偏移向量的贡献也不同，下面看下核函数的定义

我的理解：这里的K(x)相当于一个球型的剖面，它确定了一个区域

下面我们来介绍两种核函数，高斯核函数：

这里的分母中的h，被称为带宽，不同带宽的核函数如下图所示：计算与画图代码如下：

import matplotlib.pyplot as plt
import math

def cal_Gaussian(x, h=1):
    molecule = x * x   #分子
    denominator = 2 * h * h    #分母
    left = 1 / (math.sqrt(2 * math.pi) * h)  # math.sqrt开根号，math.pi派
    return left * math.exp(-molecule / denominator) # math.exp 对应 底数e

def basicprinciple():

    x = []
    for i in range(-50, 50):
        x.APPend(i * 0.5)
    score_1 = []
    scroe_2 = []
    score_3 = []
    score_4 = []

    for i in x:
        score_1.append(cal_Gaussian(i, 1))
        scroe_2.append(cal_Gaussian(i, 2))
        score_3.append(cal_Gaussian(i, 3))
        score_4.append(cal_Gaussian(i, 4))

    '''
    print('score_1=', score_1)
    print('scroe_2=', scroe_2)
    print('score_3=', score_3)
    print('score_4=', score_4)
    '''
    plt.figure()
    plt.plot(x, score_1, color = 'blue', linestyle = '--', label = 'h = 1')
    plt.plot(x, scroe_2, color = 'red', linestyle = '--', label = 'h = 2')
    plt.plot(x, score_3, color = 'orange', linestyle = '--', label = 'h = 3')
    plt.plot(x, score_4, color = 'yellow', linestyle = '--', label = 'h = 4')

    plt.legend(loc="upper right")
    plt.xlabel('x')
    plt.ylabel('N')

    plt.show()

    return


def workSpace():

    basicPrinciple()

    return

workSpace()