Mean-shift是一种非参数化的聚类算法，主要用于模式识别和图像处理领域。它通过迭代计算数据点的密度梯度来寻找局部密度最大值，从而实现聚类。Mean-shift的核心思想是基于核密度估计，通过不断移动数据点至其邻域内样本点的均值位置，最终收敛到密度峰值。该算法无需预先指定聚类数量，对异常值不敏感，适用于任意形状的聚类，但计算复杂度较高。Mean-shift在目标跟踪、图像分割等计算机视觉任务中表现优异。