多维空间中的聚类和搜索

详细描述

本节介绍 OpenCV 对 FLANN 库的接口。FLANN（快速近似最近邻库）是一个库，包含针对大型数据集和高维特征的快速最近邻搜索而优化的算法集合。有关 FLANN 的更多信息，请参见 [200] 。

类
结构体	cv::flann::CvType< T >
结构体	cv::flann::CvType< char >
结构体	cv::flann::CvType< double >
结构体	cv::flann::CvType< float >
结构体	cv::flann::CvType< short >
结构体	cv::flann::CvType< unsigned char >
结构体	cv::flann::CvType< unsigned short >
类	cv::flann::GenericIndex< Distance >
	FLANN 最近邻索引类。此类使用用于构建索引的元素类型进行模板化。 更多...

函数
template<typename Distance >
int	cv::flann::hierarchicalClustering (const Mat &features, Mat &centers, const ::cvflann::KMeansIndexParams &params, Distance d=Distance())
	使用分层 k 均值算法对特征进行聚类。

函数文档

hierarchicalClustering()

template<typename Distance >

int cv::flann::hierarchicalClustering	(	const Mat &	features,
		Mat &	centers,
		const ::cvflann::KMeansIndexParams &	params,
		Distance	d = Distance()
	)

#include <opencv2/flann.hpp>

使用分层 k 均值算法对特征进行聚类。

参数

features	要聚类的点。矩阵必须具有 Distance::ElementType 类型的元素。
centers	获得的聚类中心。矩阵必须具有 Distance::CentersType 类型。此矩阵中的行数代表所需的聚类数，但由于选择分层树中的切割方式，计算出的聚类数将是低于所需聚类数的 (branching-1)*k+1 形式的最大数量，其中 branching 是树的分支因子（参见 KMeansIndexParams 的描述）。
params	分层 k 均值树构建中使用的参数。
d	用于聚类的距离。

该方法通过构建分层 k 均值树并在树中选择最小化聚类方差的切割来对给定的特征向量进行聚类。它返回找到的聚类数量。

以下是此函数的调用图