訂閱
糾錯
加入自媒體
當前位置： OFweek 人工智能網(wǎng)   >   機器學習   >  正文

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。

1  2  下一頁>  
聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內容
    文章糾錯
    x
    *文字標題：
    *糾錯內容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號