cv::ConjGradSolver 類參考

此類用於執行具有已知梯度的函式的非線性非約束最小化。更多...

#include <opencv2/core/optim.hpp>

cv::ConjGradSolver 的協作圖

靜態公共成員函式
static Ptr< ConjGradSolver >	create (const Ptr< MinProblemSolver::Function > &f=Ptr< ConjGradSolver::Function >(), TermCriteria termcrit=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001))
	此函式返回指向隨時可用的 ConjGradSolver 物件的引用。
從 cv::Algorithm 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。

其他繼承的成員
從 cv::MinProblemSolver 繼承的公共成員函式
virtual Ptr< Function >	getFunction () const =0
	最佳化函式的 Getter。
virtual TermCriteria	getTermCriteria () const =0
	此演算法先前設定的終止標準的 Getter。
virtual double	minimize (InputOutputArray x)=0
	實際執行演算法並執行最小化。
virtual void	setFunction (const Ptr< Function > &f)=0
	最佳化函式的 Setter。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	設定求解器的終止標準。
從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除演算法狀態。
virtual bool	empty () const
	如果 Algorithm 為空（例如，在最開始或不成功的讀取之後），則返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。
void	write (FileStorage &fs, const String &name) const
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

此類用於執行具有已知梯度的函式的非線性非約束最小化。

定義在 n 維歐幾里得空間上，使用非線性共軛梯度法。該實現基於 Jonathan Richard Shewchuk 撰寫的精美清晰的解釋性文章 [無痛苦的共軛梯度法簡介](http://www.cs.cmu.edu/~quake-papers/painless-conjugate-gradient.pdf)。該方法可以看作是標準共軛梯度法的改編（例如，參見 http://en.wikipedia.org/wiki/Conjugate_gradient_method）用於數值求解線性方程組。

應該注意的是，這種方法雖然是確定性的，但更像是一種啟發式方法，因此可能會收斂到區域性最小值，而不一定是全域性最小值。更糟糕的是，它的大部分行為都受梯度控制，因此它本質上無法區分區域性最小值和最大值。因此，如果它從足夠接近區域性最大值的位置開始，它可能會收斂到該最大值。另一個明顯的限制是，應該可以在任何點計算函式的梯度，因此最好有梯度的解析表示式，並且計算負擔應由使用者承擔。

後一種責任透過 MinProblemSolver::Function 介面（表示正在最佳化的函式）的 getGradient 方法完成。此方法採用 n 維空間中的一個點（第一個引數表示該點的座標陣列）並計算其梯度（應將其儲存在第二個引數中作為陣列）。

注意

因此，ConjGradSolver 類沒有向基本的 MinProblemSolver 介面新增任何新方法。

終止標準應滿足以下條件

termcrit.type == (TermCriteria::MAX_ITER + TermCriteria::EPS) && termcrit.epsilon > 0 && termcrit.maxCount > 0
// 或
termcrit.type == TermCriteria::MAX_ITER) && termcrit.maxCount > 0

成員函式文件

create()

static Ptr< ConjGradSolver > cv::ConjGradSolver::create ( const Ptr< MinProblemSolver::Function > & f = Ptr< ConjGradSolver::Function >(), TermCriteria termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001) )

static

此函式返回指向隨時可用的 ConjGradSolver 物件的引用。

所有引數都是可選的，因此即使沒有引數也可以呼叫此過程。在這種情況下，將使用預設值。由於終止標準的預設值是唯一合理的，因此如果函式未提供給 create()，則應在獲得的物件上呼叫 MinProblemSolver::setFunction()。否則，這兩種方式（將其提交給 create() 或忽略它並呼叫 MinProblemSolver::setFunction()）是完全等效的（並且如果檢測到無效輸入，將以相同的方式刪除相同的錯誤）。

引數

hashtableResize()	指向將被最小化的函式的指標，類似於您透過 MinProblemSolver::setFunction 提交的函式。
終止條件	演算法的終止標準，類似於您透過 MinProblemSolver::setTermCriteria 提交的終止標準。

---

此類文件由以下檔案生成

• opencv2/core/optim.hpp