論文名稱：Mean Shift, Mode Seeking, and Clustering
流程：
- 隨機初始化起點與視窗\(h\)
- 計算中心重心
- 移動搜索視窗到重心位置
- 重複步驟2~3直到收斂
重心計算公式：
其中\(x是輸入的資料集,x={x_1,x_2...x_k},x_i是第i個資料\)
\(S_h是視窗半徑為h\)的區域
mean shift 演算法範例： 
圖(1)~(3)計算重心並移動，移動幅度(1)>(2)>(3)，圖(4)收斂
特性
- Unsupervised learning
- 跟k-means不同的是，不用先假設資料有幾群
- 調整一個視窗大小參數，並且具有物理意義，視窗大小代表中心的搜索範圍，但視窗範圍會影響到輸出結果
- 對outliers具有穩健性
- 資料維度越高，運算越巨大