通過估計 Kernel Density Gradient 而不去估計 Kernel Density 自身，來分析點分佈。配合反覆沿 Gradient 移動，一樣可做到良好的 clustering。
也因為只關心 Gradient 的估計式較簡化，最終僅含 window size 一個未知數，因此較常見的核方法更為 robust。
該找個機會試作看看。
相關閱讀
通過估計 Kernel Density Gradient 而不去估計 Kernel Density 自身，來分析點分佈。配合反覆沿 Gradient 移動，一樣可做到良好的 clustering。
也因為只關心 Gradient 的估計式較簡化，最終僅含 window size 一個未知數，因此較常見的核方法更為 robust。
該找個機會試作看看。
相關閱讀
