Mean Shift算法,一般是指一個迭代的步驟,即先算出當前點的偏移均值,移動該點到其偏移均值,然後以此爲新的起始點,繼續移動,直到滿足一定的條件結束.
具體步驟：1.在d維空間中，任選一個點，然後以這個點爲圓心，h爲半徑做一個高維球，因爲有d維，d可能大於2，所以是高維球。落在這個球內的所有點和圓心都會產生一個向量，向量是以圓心爲起點落在球內的點位終點。然後把這些向量都相加。相加的結果就是Meanshift向量。
如圖所以。其中黃色箭頭就是Mh（meanshift向量）。
2.再以meanshift向量的終點爲圓心，再做一個高維的球。如下圖所示，重複以上步驟，就可得到一個meanshift向量。如此重複下去，meanshift算法可以收斂到概率密度最大得地方。也就是最稠密的地方。
轉載自https://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html
核函數：採樣點（即上述落在球內的點）對估計點（即圓心）的影響可能會不同（即，權重不同）。可以用核函數來決定不同採樣點的權重。例如，可以通過計算採樣點與估計點的高斯距離（即使用高斯核函數）來決定權重。這種方法就叫做核函數估計，是無參估計的一種。轉載自https://blog.csdn.net/u014510375/article/details/42558203