包 org.opencv.ml

类 KNearest

  • public class KNearest
extends StatModel
    此类实现 K 近邻模型 参见：参考：ml_intro_knn

    • 构造函数详情

      • KNearest

        protected KNearest​(long addr)

    • 方法详情

      • __fromPtr__

        public static KNearest __fromPtr__​(long addr)

      • getDefaultK

        public int getDefaultK()
        参见：setDefaultK
        返回值
        自动生成

      • setDefaultK

        public void setDefaultK​(int val)
        getDefaultK 参见：getDefaultK
        参数
        val - 自动生成

      • getIsClassifier

        public boolean getIsClassifier()
        参见：setIsClassifier
        返回值
        自动生成

      • setIsClassifier

        public void setIsClassifier​(boolean val)
        getIsClassifier 参见：getIsClassifier
        参数
        val - 自动生成

      • getEmax

        public int getEmax()
        参见：setEmax
        返回值
        自动生成

      • setEmax

        public void setEmax​(int val)
        getEmax 参见：getEmax
        参数
        val - 自动生成

      • getAlgorithmType

        public int getAlgorithmType()
        参见：setAlgorithmType
        返回值
        自动生成

      • setAlgorithmType

        public void setAlgorithmType​(int val)
        getAlgorithmType 参见：getAlgorithmType
        参数
        val - 自动生成

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results,
                         Mat neighborResponses,
                         Mat dist)
        查找输入向量的近邻并预测响应。
        参数
        samples - 按行存储的输入样本。它是一个单精度浮点矩阵，大小为 <样本数> * k。
        k - 使用的最近邻数。应大于 1。
        results - 包含每个输入样本的预测结果（回归或分类）的向量。它是一个单精度浮点向量，包含 <样本数> 个元素。
        neighborResponses - 对应近邻的可选输出值。它是一个单精度浮点矩阵，大小为 <样本数> * k。
        dist - 输入向量到对应近邻的可选输出距离。它是一个单精度浮点矩阵，大小为 <样本数> * k。对于每个输入向量（矩阵 samples 的一行），该方法都会找到 k 个最近邻。在回归情况下，预测结果是特定向量近邻响应的平均值。在分类情况下，类别由投票决定。对于每个输入向量，其近邻按它们到该向量的距离排序。在 C++ 接口中，您可以将输出指针用于空矩阵，函数将自行分配内存。如果只传递单个输入向量，则所有输出矩阵都是可选的，并且预测值由方法返回。该函数使用 TBB 库并行化。
        返回值
        自动生成

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results,
                         Mat neighborResponses)
        查找输入向量的近邻并预测响应。
        参数
        samples - 按行存储的输入样本。它是一个单精度浮点矩阵，大小为 <样本数> * k。
        k - 使用的最近邻数。应大于 1。
        results - 包含每个输入样本的预测结果（回归或分类）的向量。它是一个单精度浮点向量，包含 <样本数> 个元素。
        neighborResponses - 对应近邻的可选输出值。它是一个单精度浮点矩阵，大小为 <样本数> * k。它是一个单精度浮点矩阵，大小为 <样本数> * k。对于每个输入向量（矩阵 samples 的一行），该方法都会找到 k 个最近邻。在回归情况下，预测结果是特定向量近邻响应的平均值。在分类情况下，类别由投票决定。对于每个输入向量，其近邻按它们到该向量的距离排序。在 C++ 接口中，您可以将输出指针用于空矩阵，函数将自行分配内存。如果只传递单个输入向量，则所有输出矩阵都是可选的，并且预测值由方法返回。该函数使用 TBB 库并行化。
        返回值
        自动生成

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results)
        查找输入向量的近邻并预测响应。
        参数
        samples - 按行存储的输入样本。它是一个单精度浮点矩阵，大小为 <样本数> * k。
        k - 使用的最近邻数。应大于 1。
        results - 预测结果向量（回归或分类），针对每个输入样本。它是一个单精度浮点向量，包含<number_of_samples>个元素。单精度浮点矩阵，大小为 <number_of_samples> * k。对于每个输入向量（矩阵样本的一行），该方法查找k个最近邻。在回归情况下，预测结果是特定向量邻域响应的平均值。在分类情况下，类别由投票决定。对于每个输入向量，其邻居按到向量的距离排序。对于C++接口，您可以使用指向空矩阵的输出指针，函数将自行分配内存。如果只传递一个输入向量，则所有输出矩阵都是可选的，预测值由方法返回。该函数使用TBB库进行并行化。
        返回值
        自动生成

      • create

        public static KNearest create()
        创建空模型 静态方法创建空的%KNearest分类器。然后应该使用StatModel::train方法对其进行训练。
        返回值
        自动生成

      • 加载

        public static KNearest load​(java.lang.String filepath)
        从文件中加载并创建一个序列化的knearest 使用KNearest::save序列化并将KNearest存储到磁盘。通过使用此函数调用文件路径，再次从此文件中加载KNearest。
        参数
        filepath - 序列化KNearest的文件路径
        返回值
        自动生成

      • finalize

        protected void finalize()
                 throws java.lang.Throwable
        重写
        finalize 在类 StatModel中
        抛出
        java.lang.Throwable