混合多维空间中核估计的带宽选择
计算机视觉与模式识别
2011-11-10 v2
摘要
核估计技术（如均值漂移）存在一个主要缺陷：核带宽的选择。带宽可以对整个数据集固定，也可以在每个点处变化。在处理多维异构特征时，自动带宽选择成为一个真正的挑战。本文提出了该问题的解决方案。这是对\cite{Comaniciu03a}的扩展，后者基于正态分布关于归一化密度梯度偏倚的基本性质。该选择针对每种特征类型迭代进行，通过在预定义的带宽范围内寻找局部带宽估计的稳定性来实现。本文引入了伪气球均值漂移滤波和分割方法。该方法的有效性在基于五维空间的彩色图像分割背景下得到了验证。
引用
@article{arxiv.0709.1920,
title = {Bandwidth selection for kernel estimation in mixed multi-dimensional spaces},
author = {Aurelie Bugeau and Patrick Pérez},
journal= {arXiv preprint arXiv:0709.1920},
year = {2011}
}