cv::ml::KNearest 類參考

該類實現了 K-最近鄰模型。 更多...

#include <opencv2/ml.hpp>

cv::ml::KNearest 的協作圖

公開型別
enum	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
enum	標誌 {   UPDATE_MODEL = 1 ,   RAW_OUTPUT =1 ,   COMPRESSED_INPUT =2 ,   PREPROCESSED_INPUT =4 }

公開成員函式
virtual float	findNearest (InputArray samples, int k, OutputArray results, OutputArray neighborResponses=noArray(), OutputArray dist=noArray()) const =0
	查詢輸入向量的鄰居並預測其響應。
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
	計算訓練集或測試集上的誤差。
virtual bool	empty () const CV_OVERRIDE
	如果 Algorithm 為空（例如，在最開始或讀取不成功後），則返回 true。
virtual int	getVarCount () const =0
	返回訓練樣本中的變數數量。
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
	預測所提供樣本的響應
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
	將演算法引數儲存在檔案儲存中。
void	write (FileStorage &fs, const String &name) const

靜態公開成員函式
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)
	建立並訓練具有預設引數的模型。
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())
	從字串中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點中讀取演算法。

更多繼承的成員
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細說明

該類實現了 K-最近鄰模型。

另請參閱

K-最近鄰

成員列舉文件

型別

enum cv::ml::KNearest::Types

KNearest 演算法的實現。

列舉值 (Enumerator)
BRUTE_FORCE
KDTREE

成員函式說明

create()

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

static (靜態)

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。之後應使用 StatModel::train 方法對其進行訓練。

findNearest()

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

純虛擬函式

Python
	cv.ml.KNearest.findNearest(	samples, k[, results[, neighborResponses[, dist]]]	) ->	返回值, 結果, 鄰居響應, 距離

查詢輸入向量的鄰居並預測其響應。

引數

samples (樣本)	按行儲存的輸入樣本。它是一個單精度浮點矩陣，大小為 <樣本數> * k。
k	使用的最近鄰居的數量。應大於 1。
results	每個輸入樣本的預測結果（迴歸或分類）向量。它是一個單精度浮點向量，包含 <樣本數> 個元素。
neighborResponses	對應鄰居的可選輸出值。它是一個單精度浮點矩陣，大小為 <樣本數> * k。
距離	輸入向量到對應鄰居的可選輸出距離。它是一個單精度浮點矩陣，大小為 <樣本數> * k。

對於每個輸入向量（樣本矩陣的一行），該方法會查詢 k 個最近的鄰居。在迴歸的情況下，預測結果是該特定向量鄰居響應的平均值。在分類的情況下，類別透過投票決定。

對於每個輸入向量，鄰居按其與向量的距離排序。

在使用 C++ 介面時，您可以使用空的輸出指標矩陣，函式會自動分配記憶體。

如果只傳遞單個輸入向量，則所有輸出矩陣都是可選的，並且該方法會返回預測值。

該函式使用 TBB 庫進行並行化。

此函式的呼叫圖

getAlgorithmType()

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

純虛擬函式

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

演算法型別，可以是 KNearest::Types 中的一種。

另請參閱

setAlgorithmType

getDefaultK()

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

純虛擬函式

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

predict 方法中使用的預設鄰居數量。

另請參閱

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。

另請參閱

setEmax

getIsClassifier()

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

純虛擬函式

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

是要訓練分類模型還是迴歸模型。

另請參閱

setIsClassifier

load()

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

static (靜態)

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。再次載入此檔案中的 KNearest，方法是呼叫此函式並提供檔案路徑。

引數

filepath

序列化的 KNearest 檔案路徑

setAlgorithmType()

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

純虛擬函式

Python
	cv.ml.KNearest.setAlgorithmType(	val	) ->	None

另請參閱

getAlgorithmType

setDefaultK()

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

純虛擬函式

Python
	cv.ml.KNearest.setDefaultK(	val	) ->	None

另請參閱

getDefaultK

setEmax()

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

純虛擬函式

Python
	cv.ml.KNearest.setEmax(	val	) ->	None

另請參閱

getEmax

setIsClassifier()

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

純虛擬函式

Python
	cv.ml.KNearest.setIsClassifier(	val	) ->	None

另請參閱

getIsClassifier

---

該類的文件由以下檔案生成：

• opencv2/ml.hpp