解析C++版OpenCV里的機器學習
使用openCV的Knn
定義
在人工智能中，更確切地說在機器學習中，k最近鄰方法是一種有監(jiān)督的學習方法。在這個框架中，我們有一個由N個“輸入－輸出”對組成的訓練數(shù)據(jù)庫。為了估計與新輸入x 相關(guān)聯(lián)的輸出，k最近鄰方法包括根據(jù)要定義的距離（以相同的方式）考慮k個訓練樣本，其輸入最接近新輸入x。由于此算法基于距離，因此歸一化可以提高其準確性。
方法
因此，要使用KNN方法進行分類，我們必須首先聲明訓練樣本，或者可以說輸入數(shù)據(jù)。
在聲明了0和1矩陣之后，我們必須使用函數(shù)“RNG”將它們填充為隨機值。
現(xiàn)在我們需要將兩個類連接起來，以便進行學習。
訓練
要進行訓練，你必須首先使用以下代碼行創(chuàng)建模型：
現(xiàn)在，我們將進行遍歷整個圖像的循環(huán)（我們選擇的平面為500x500像素，以繪制不同類別的區(qū)域，當然也將點放置在它們的位置），然后學習模型的輸出對于第一類將為0，對于第二類將為1。通過查找（或者可以說通過計算距離），我們用定義該像素屬于此類的顏色填充圖像的每個像素，這樣就可以使邊框可視化。因此，要進行訓練，你必須首先使用以下代碼行創(chuàng)建模型：
因此，你可以看到我們具有find＿nearest函數(shù)，該函數(shù)計算入口點與其他點之間的距離以查找鄰居，然后該函數(shù)為第一個類返回0或為第二個返回1。最后，我們使用了條件塊if，為每個類賦予特定的顏色。因此，通過執(zhí)行這些步驟，我們進行了學習，找到了兩個類，并且我們當然劃定了邊界，如圖：
現(xiàn)在，如果我們想展示用于學習的樣本，我們只需要把每個要點放在適當?shù)奈恢眉纯�，這樣我們就可以了解學習是否做得很好。
這是樣本表示后的輸出圖像：
可以看出，這兩個類的界限是明確的，有一些點沒有很好地分類，但總的來說，學習效果不錯。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
