依赖混合型位置大数据的均值漂移聚类算法

苏延平

【摘 要】 均值漂移聚类（Mean shift clustering，MSC）算法及其变体在模式识别和计算机视觉任务中具有广泛的应用。本文基于MSC模型研究了具有高斯核的算法的动力学特性。证明MSC在给定混合型位置大数据的凸包中具有解。根据收缩映射的原理，提供了一个充分条件，取决于引入高斯核的参数，以保证解的唯一性。结果表明，在该條件下，解也是全局稳定的，并且呈指数收敛。当条件不成立时，MSC算法可能会具有多个均衡，由于每个均衡都有其自己吸引盆地，因此可以用于聚类。基于此，条件可用于估计适当的参数，以确保MSC算法具有适合聚类的平衡。

【关键词】 混合型位置大数据;均值漂移聚类算法;稳定性;指数收敛;聚类

【中图分类号】 TP301 【文献标识码】 A

【文章编号】 2096-4102（2020）02-0097-03