Quickshift++：可证明良好的基于样本的均值漂移初始化方法
机器学习
2018-05-22 v1 机器学习
摘要
我们为 Quick Shift 聚类算法提供初始种子点，其近似数据中局部高密度区域。此类种子点比 Quick Shift 所发现的单点模式更具稳定性与表达力，可作为聚类核心。我们为这一改进建立了统计一致性保证。随后，我们在真实数据集上展示了强劲的聚类性能，并给出了在图像分割中的有前景应用。
引用
@article{arxiv.1805.07909,
title = {Quickshift++: Provably Good Initializations for Sample-Based Mean Shift},
author = {Heinrich Jiang and Jennifer Jang and Samory Kpotufe},
journal= {arXiv preprint arXiv:1805.07909},
year = {2018}
}
备注
ICML 2018. Code release: https://github.com/google/quickshift