包 org.opencv.ml

类 KNearest

  • public class KNearest
extends StatModel
    此类实现了 K-最近邻模型 SEE: REF: ml_intro_knn

    • 构造函数详细信息

      • KNearest

        protected KNearest​(long addr)

    • 方法详细信息

      • __fromPtr__

        public static KNearest __fromPtr__​(long addr)

      • getDefaultK

        public int getDefaultK()
        SEE: setDefaultK
        返回
        自动生成

      • setDefaultK

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

      • getIsClassifier

        public boolean getIsClassifier()
        SEE: setIsClassifier
        返回
        自动生成

      • setIsClassifier

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

      • getEmax

        public int getEmax()
        SEE: setEmax
        返回
        自动生成

      • setEmax

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

      • getAlgorithmType

        public int getAlgorithmType()
        SEE: setAlgorithmType
        返回
        自动生成

      • setAlgorithmType

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

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results,
                         Mat neighborResponses,
                         Mat dist)
        查找邻居并预测输入向量的响应。
        参数
        samples - 按行存储的输入样本。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。
        k - 使用的最近邻居的数量。 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。 它是一个具有 <number_of_samples> 元素的单精度浮点向量。
        neighborResponses - 相应邻居的可选输出值。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。
        dist - 从输入向量到相应邻居的可选输出距离。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。 对于每个输入向量（矩阵样本的行），该方法会找到 k 个最近邻居。 在回归情况下，预测结果是特定向量的邻居响应的平均值。 在分类的情况下，类由投票决定。 对于每个输入向量，邻居按它们与向量的距离排序。 在 C++ 接口中，您可以使用指向空矩阵的输出指针，该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，预测值由该方法返回。 该函数与 TBB 库并行化。
        返回
        自动生成

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results,
                         Mat neighborResponses)
        查找邻居并预测输入向量的响应。
        参数
        samples - 按行存储的输入样本。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。
        k - 使用的最近邻居的数量。 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。 它是一个具有 <number_of_samples> 元素的单精度浮点向量。
        neighborResponses - 相应邻居的可选输出值。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。 是大小为 <number_of_samples> * k 的单精度浮点矩阵。 对于每个输入向量（矩阵样本的行），该方法会找到 k 个最近邻居。 在回归情况下，预测结果是特定向量的邻居响应的平均值。 在分类的情况下，类由投票决定。 对于每个输入向量，邻居按它们与向量的距离排序。 在 C++ 接口中，您可以使用指向空矩阵的输出指针，该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，预测值由该方法返回。 该函数与 TBB 库并行化。
        返回
        自动生成

      • findNearest

        public float findNearest​(Mat samples,
                         int k,
                         Mat results)
        查找邻居并预测输入向量的响应。
        参数
        samples - 按行存储的输入样本。 它是大小为 <number_of_samples> * k 的单精度浮点矩阵。
        k - 使用的最近邻居的数量。 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。 它是一个具有 <number_of_samples> 元素的单精度浮点向量。 精度浮点矩阵的大小为 <number_of_samples> * k。 是大小为 <number_of_samples> * k 的单精度浮点矩阵。 对于每个输入向量（矩阵样本的行），该方法会找到 k 个最近邻居。 在回归情况下，预测结果是特定向量的邻居响应的平均值。 在分类的情况下，类由投票决定。 对于每个输入向量，邻居按它们与向量的距离排序。 在 C++ 接口中，您可以使用指向空矩阵的输出指针，该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，预测值由该方法返回。 该函数与 TBB 库并行化。
        返回
        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。 然后应使用 StatModel::train 方法对其进行训练。
        返回
        自动生成

      • load

        public static KNearest load​(java.lang.String filepath)
        从文件加载并创建序列化的 knearest。 使用 KNearest::save 序列化并将 KNearest 存储到磁盘。 通过使用文件路径调用此函数再次从此文件加载 KNearest。
        参数
        filepath - 序列化 KNearest 的路径
        返回
        自动生成

      • finalize

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