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）是一个包含一系列算法的库，这些算法针对大型数据集和高维特征的快速最近邻搜索进行了优化。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。此类使用构建索引的元素类型作为模板参数。更多…

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

函数文档

hierarchicalClustering()

模板<typename Distance >

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

#include <opencv2/flann.hpp>

使用层次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。此矩阵的行数表示所需的聚类数量，但是，由于选择层次树中的切割方式，计算出的聚类数量将是 (branching-1)*k+1 形式中小于所需聚类数量的最高数量，其中 branching 是树的分支因子（参见KMeansIndexParams的描述）。
params	用于构建层次k均值树的参数。
d	用于聚类的距离。

该方法通过构建层次k均值树并在树中选择最小化聚类方差的切割来聚类给定的特征向量。它返回找到的聚类数量。

以下是此函数的调用图