论文部分内容阅读
Mean Shift算法是一种广泛应用于计算机视觉、模式识别等领域的统计迭代算法．它使每一个点“漂移”到密度函数的局部极大值点，均值漂移的方向就是梯度方向．因此，漂移序列总是向着函数值增加最快的方向移动，并且每次移动的步长大小具有自适应性．本文研究了Mean Shift算法移动步长的自适应性，对其进行改进，使其能够通过参数的适当调整得到优于原Mean Shift算法的收敛速度，并从理论上证明了改进的Mean Shift算法能够收敛．本文的实验也进一步验证了改进的Mean Shift算法的收敛性，并对比了改