cv::ml::KNearest 類參考

該類實現了K-近鄰模型。更多...

#include <opencv2/ml.hpp>

cv::ml::KNearest 的協作圖

公共型別
列舉	型別 {   BRUTE_FORCE =1 ,   KDTREE =2 }
	KNearest 演算法的實現。更多...
從 cv::ml::StatModel 繼承的公共型別
列舉	標誌 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公共成員函式
virtual float	findNearest (InputArray samples, int k, OutputArray results, OutputArray neighborResponses=noArray(), OutputArray dist=noArray()) const =0
	查詢鄰居並預測輸入向量的響應。
virtual int	getAlgorithmType () const =0
virtual int	getDefaultK () const =0
virtual int	getEmax () const =0
virtual bool	getIsClassifier () const =0
virtual void	setAlgorithmType (int val)=0
virtual void	setDefaultK (int val)=0
virtual void	setEmax (int val)=0
virtual void	setIsClassifier (bool val)=0
從 cv::ml::StatModel 繼承的公共成員函式
virtual float	calcError (const Ptr< TrainData > &data, bool test, OutputArray resp) const
	計算訓練或測試資料集上的誤差。
virtual bool	empty () const CV_OVERRIDE
	如果 演算法 為空（例如在最開始或讀取失敗後），則返回 true。
virtual int	getVarCount () const =0
	返回訓練樣本中變數的數量。
virtual bool	isClassifier () const =0
	如果模型是分類器，則返回 true。
virtual bool	isTrained () const =0
	如果模型已訓練，則返回 true。
virtual float	predict (InputArray samples, OutputArray results=noArray(), int flags=0) const =0
	預測提供的樣本的響應
virtual bool	train (const Ptr< TrainData > &trainData, int flags=0)
	訓練統計模型。
virtual bool	train (InputArray samples, int layout, InputArray responses)
	訓練統計模型。
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 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

靜態公共成員函式
static Ptr< KNearest >	create ()
	建立空模型。
static Ptr< KNearest >	load (const String &filepath)
	從檔案中載入並建立一個序列化的 KNearest。
從 cv::ml::StatModel 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	train (const Ptr< TrainData > &data, int flags=0)
	使用預設引數建立並訓練模型。
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。

額外繼承成員
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

該類實現了K-近鄰模型。

另請參見

K-近鄰

成員列舉文件

型別

列舉 cv::ml::KNearest::Types

KNearest 演算法的實現。

列舉器
BRUTE_FORCE
KDTREE

成員函式文件

create()

static Ptr< KNearest > cv::ml::KNearest::create ( )

static

Python
	cv.ml.KNearest.create(		) ->	retval
	cv.ml.KNearest_create(		) ->	retval

建立空模型。

該靜態方法建立一個空的 KNearest 分類器。然後應使用 StatModel::train 方法對其進行訓練。

findNearest()

virtual float cv::ml::KNearest::findNearest ( InputArray samples, int k, OutputArray 結果, OutputArray neighborResponses = noArray(), OutputArray dist = noArray() ) const

純虛擬函式

Python
	cv.ml.KNearest.findNearest(	samples, k[, results[, neighborResponses[, dist]]]	) ->	retval, results, neighborResponses, dist

查詢鄰居並預測輸入向量的響應。

引數

samples	按行儲存的輸入樣本。它是一個單精度浮點矩陣，大小為 `<number_of_samples> * k`。
k	使用的近鄰數量。應大於 1。
結果	包含每個輸入樣本的預測結果（迴歸或分類）的向量。它是一個單精度浮點向量，包含 `<number_of_samples>` 個元素。
neighborResponses	對應近鄰的可選輸出值。它是一個單精度浮點矩陣，大小為 `<number_of_samples> * k`。
dist	從輸入向量到對應近鄰的可選輸出距離。它是一個單精度浮點矩陣，大小為 `<number_of_samples> * k`。

對於每個輸入向量（矩陣樣本的一行），該方法找到 k 個最近鄰。在迴歸情況下，預測結果是特定向量的近鄰響應的平均值。在分類情況下，類別透過投票確定。

對於每個輸入向量，近鄰按其到向量的距離進行排序。

在使用 C++ 介面時，您可以將輸出指標指向空矩陣，函式將自行分配記憶體。

如果只傳入一個輸入向量，所有輸出矩陣都是可選的，並且預測值將由方法返回。

此函式使用 TBB 庫進行並行化。

此函式的呼叫圖如下

getAlgorithmType()

virtual int cv::ml::KNearest::getAlgorithmType ( ) const

純虛擬函式

Python
	cv.ml.KNearest.getAlgorithmType(		) ->	retval

演算法型別，為 KNearest::Types 之一。

另請參見

setAlgorithmType

getDefaultK()

virtual int cv::ml::KNearest::getDefaultK ( ) const

純虛擬函式

Python
	cv.ml.KNearest.getDefaultK(		) ->	retval

在 predict 方法中使用的預設近鄰數量。

另請參見

setDefaultK

getEmax()

virtual int cv::ml::KNearest::getEmax ( ) const

純虛擬函式

Python
	cv.ml.KNearest.getEmax(		) ->	retval

KDTree 實現的引數。

另請參見

setEmax

getIsClassifier()

virtual bool cv::ml::KNearest::getIsClassifier ( ) const

純虛擬函式

Python
	cv.ml.KNearest.getIsClassifier(		) ->	retval

是否應訓練分類或迴歸模型。

另請參見

setIsClassifier

load()

static Ptr< KNearest > cv::ml::KNearest::load ( const String & filepath )

static

Python
	cv.ml.KNearest.load(	filepath	) ->	retval
	cv.ml.KNearest_load(	filepath	) ->	retval

從檔案中載入並建立一個序列化的 KNearest。

使用 KNearest::save 將 KNearest 序列化並存儲到磁碟。透過使用檔案路徑呼叫此函式，可以再次從該檔案載入 KNearest。

引數

filepath

序列化 KNearest 的路徑

setAlgorithmType()

virtual void cv::ml::KNearest::setAlgorithmType ( int val )

純虛擬函式

Python
	cv.ml.KNearest.setAlgorithmType(	val	) ->	無

另請參見

getAlgorithmType

setDefaultK()

virtual void cv::ml::KNearest::setDefaultK ( int val )

純虛擬函式

Python
	cv.ml.KNearest.setDefaultK(	val	) ->	無

另請參見

getDefaultK

setEmax()

virtual void cv::ml::KNearest::setEmax ( int val )

純虛擬函式

Python
	cv.ml.KNearest.setEmax(	val	) ->	無

另請參見

getEmax

setIsClassifier()

virtual void cv::ml::KNearest::setIsClassifier ( bool val )

純虛擬函式

Python
	cv.ml.KNearest.setIsClassifier(	val	) ->	無

另請參見

getIsClassifier

---

此類的文件由以下檔案生成

• opencv2/ml.hpp