均值偏移聚类（Means Shift算法）是一种基于聚类中心迭代求解的聚类算法，与K均值聚类不同的是不需要事先确定聚类个数K。均值偏移聚类的原理为：从初始聚类中心点开始，沿着带宽内点群密度上升的方向不断寻找新的聚类中心点，直到满足终止条件。终止条件为迭代过程中前后两次聚类的中心移动距离几乎不变 或者达到最大迭代次数（默认迭代次数：300）。
使用说明
功能入口:
- 在 工具箱 -> 空间统计分析 -> 聚类分布 ->双击 均值偏移聚类 。
主要参数
- 源数据 ：设置待分析的矢量数据集，支持点数据集。
- 带宽 ：带宽值为以某个聚类中心点为核心时的搜索半径。默认值为-1，系统会自动计算一个默认带宽值。聚类结果受带宽的影响，若带宽设置太小，收敛较慢，簇类个数过多；带宽设置太大，一些簇类可能会丢失。
- 自定义初始化聚类中心点种子 ：自定义初始聚类中心。默认不设置。
- 结果数据 ：设置结果数据所要保存在的数据源及数据集名称，与源数据的数据类型一致。
结果输出
1、在源数据集中增加了一个 Cluster_ID 字段表示结果聚类类别；
2、结果矢量数据集表示最终聚类的聚类中心点。