模糊均值漂移过程的收敛性与一致性
机器学习
2013-05-07 v1 机器学习
摘要
均值漂移算法是计算机视觉和图像处理中一种流行的算法。它也可以被表述为最小 gamma 散度估计。在本文中，我们关注“模糊”均值漂移算法，这是均值漂移过程的一个版本，它会连续地模糊数据集。与非模糊版本相比，模糊均值漂移的分析相对更为复杂，然而该算法的收敛性和估计的一致性在文献中尚未得到充分研究。在本文中，我们证明了模糊均值漂移的收敛性和一致性。我们还进行了模拟研究，以比较模糊和非模糊版本均值漂移算法的效率。我们的结果表明，模糊均值漂移具有更高的效率。
引用
@article{arxiv.1305.1040,
title = {On the Convergence and Consistency of the Blurring Mean-Shift Process},
author = {Ting-Li Chen},
journal= {arXiv preprint arXiv:1305.1040},
year = {2013}
}
备注
arXiv admin note: text overlap with arXiv:1201.1979