opencv2.4.9中kmeans函数

求一段完整代码,测试opencv中的k-means函数。
我装的是opencv2.4.9,与其他版本有什么不同吗,函数在opencv中的位置一样吗

1个回答

xueweigang
xueweigang 非常感谢
接近 3 年之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
opencv中的Kmeans使用示例
kmeans是非常经典的聚类算法,至今也还保留着较强的生命力,图像处理中经常用到kmeans算法或者其改进算法进行图像分割操作,在数据挖掘中kmeans经常用来做数据预处理。opencv中提供了完整的kmeans算法,其函数原型为: double kmeans( InputArray data, int K, InputOutputArray bestLabels, TermCriteria
matalb k-means函数使用方法(附一个很好的k-means参考博客)
首先得说,虽然matlab提供了KMeans函数,但是matlab的KMeans聚类好慢,真的好慢!       K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以偶是距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平
R语言使用K-Means
R语言有自己封装的K-Means函数 ,可以直接调用 kmeans(x, centers, iter.max = 10, nstart = 1, algorithm = c("Hartigan-Wong", "Lloyd", "Forgy", "MacQueen") 可以使用?kmeans查看具体用法 在此不再赘述,万能的iris data(iris) newiris = iris[
kmeans算法应用及实现
1、利用opencv中的kmeans函数 2、自己编写kmeans功能 3、开发语言:c++
MATLAB K-means聚类的介绍与使用
K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以偶是距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数     K-means聚类算法采用的是将N*P的矩阵X划分为K个类,使得类内对象之间
vs2012中配置opencv2.4.9测试程序
vs2012中配置opencv2.4.9项目的简单测试程序。功能是用opencv2.4.9功能函数读入并显示一张图片
[Mark] python 聚类分析 kmeans() 函数使用时报错
本人模仿教程中例子时遇到问题如下(python-2.7.3) 源码: from pylab import * from scipy.cluster.vq import * list1 = [88,74,96,85] list2 = [92,99,95,94] list3 = [91,87,99,95] list4 = [78,99,97,81] list5 = [88,78
Kmeans函数理解
X = [randn(100,2)+ones(100,2);...     randn(100,2)-ones(100,2)]; 产生100个样本点,行指向每个样本,列是维变量值。opts = statset('Display','final');[idx,ctrs] = kmeans(X,2,'Distance','city','Replicates',5,'Options',opts);%返回
opencv之kmeans源代码注释
如题 kmeans并不必多做介绍,原理的内容可以参看如下链接:http://coolshell.cn/articles/7779.html。本文主要是对opencv中的kmeas函数进行简单解读。 该函数位于OpenCV-2.3.1/modules/core/src/matrix.cpp文件中 //_data:特征向量集;K:聚类中心个数;_bestLabels:每个特征向量隶属聚类中心
OpenCV3.0 Examples学习笔记(13)-kmeans.cpp-kmeans函数实现对图像位置进行聚类
这个系列的目的是通过对OpenCV示例,进一步了解OpenCV函数的使用,不涉及具体原理。 目录 简介 Example运行截图 Example分析 Example代码 简介 本文记录了对OpenCV示例kmeans.cpp的分析。 资料地址:资料地址:http://docs.opencv.org/3.0.0/de/d63/kmeans
Kmeans算法详解及MATLAB实现
首先要来了解的一个概念就是聚类,简单地说就是把相似的东西分到一组,同 Classification (分类)不同,对于一个 classifier ,通常需要你告诉它“这个东西被分为某某类”这样一些例子,理想情况下,一个 classifier 会从它得到的训练集中进行“学习”,从而具备对未知数据进行分类的能力,这种提供训练数据的过程通常叫做 supervised learning (监督学习),而在
K-means和K-means++的算法原理及sklearn库中参数解释、选择
前言:  这篇博文主要介绍k-means聚类算法的基本原理以及它的改进算法k-means的原理及实现步骤,同时文章给出了sklearn机器学习库中对k-means函数的使用解释和参数选择。K-means介绍:  K-means算法是很典型的基于距离的聚类算法,采用距离 作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大。该算法认为簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最
matlab kmeans 函数
kmeans k-means clustering collapse all in page Syntax idx = kmeans(X,k) example idx = kmeans(X,k,Name,Value) example [idx,C] = kmeans(___) example [idx,C,sumd
OpenCV学习入门(三):kmeans原理及代码
Kmeans是一种非监督的聚类方法,是最常用的聚类技术之一。kmeans尝试找到数据的自然类别,通过用户设定的类别个数K,它可以快速的找到“好的”类别中心,“好的”意味着聚类中心位于数据的自然中心。 (一)算法步骤 Kmeans算法一般步骤如下: 1、输入样本数据集合和用户指定的类别数K。 2、分配类别初始化中心点的位置(随机或指定)。 3、将每个样本点放入离它最近的聚类中心所在的集合。
Kmeans原理公式图文详解
在网上查看了些博客,感觉大家都对数学公式的解释的比较晦涩,下面我结合一个非常简单的示意图解释下他的数学公式,理解不到位的请留言。 kmeans是一种聚类算法下面是算法的描述 给定训练样本是每一个 ,即每一个样本元素都是n维向量。为了便于理解在后面的示意图中采用二维的向量。step1:    随机选取k个聚类质心点为step2:    重复下面过程直到手链       对于每一个样本i计算其应该属
R语言源码注释 之 kmeans()
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦://运用该函数首先要对数据矩阵x有一个准确的判断 void kmeans_Lloyd()
MatLab Kmeans聚类
MatLab Kmeans聚类聚类与分类 分类算法是给一个数据,然后判断这个数据属于已分好的类中的具体哪一类。 聚类算法是给一大堆原始数据,然后通过算法将其中具有相似特征的数据聚为一类,原数据可能被分为多类。
kmeans算法原理及opencv中的实现
算法的目的: 数据分类,聚类,识别 对象和标准: 输入:n个数据对象 输出:k个类别, 且满足方差最小的k个聚类,聚类方差度量 每个对象与聚类的相似度:一般是采用各个对象到聚类中心(一般是均值中心)的距离,距离哪个中心近,就是与哪个类的相似度高。 聚类的紧密度度量(聚类好坏的度量):所有对象到各自聚类中心的方差和。 基本算法步骤: 初始化:从 n个数据对象任意选择 k
sklearn中kmeans聚类分析常用命令
from sklearn.cluster import KMeans from sklearn.externals import joblib import numpy final = open('c:/test/final.dat' , 'r') data = [line.strip().split('\t') for line in final] feature = [[fl
K均值聚类算法及MATLAB函数使用
K-means算法是最简单的一种聚类算法。算法的目的是使各个样本与所在类均值的误差平方和达到最小(这也是评价K-means算法最后聚类效果的评价标准)
机器学习聚类算法——K-means聚类
k均值聚类
用matlab实现kmeans算法,非常完整例子一维和二维
用matlab实现kmeans算法,非常完整例子一维和二维
matlab 实现kmeans
matlab 实现kmeans算法。。 %随机获取150个点 X = [randn(50,2)+ones(50,2);randn(50,2)-ones(50,2);randn(50,2)+[ones(50,1),-ones(50,1)]]; opts = statset('Display','final'); %调用Kmeans函数 %X N*P的数据矩阵 %Idx N*1的向量,存储的是每
matlab kmeans 代码
代码中包括随机数据的产生, 和kmeans的无监督学习 kmeans主要分为三步: 1. classify the different classes 2. define new center 3. stop condition 不停的进行迭代直到满足迭代次数或者是结束条件这里的距离采用的是欧式距离clear; % generate data % clear; % data = roun
python K-means工具包初解
python numpy包里面kmeans2函数的应用
从零开始实现Kmeans聚类算法
声明:版权所有,转载请联系作者并注明出处: http://blog.csdn.net/u013719780?viewmode=contents知乎专栏: https://www.zhihu.com/people/feng-xue-ye-gui-zi本系列文章的所有源代码都将会开源,需要源代码的小伙伴可以去我的 Github fork!1. Kmeans聚类算法简介由于具有出色的速度和良好的可扩展性,
kmeans函数使用实例
前言   一提到聚类算法,必然首先会想到的是kmeans聚类,因为它的名气实在太大了。既然这样,OpenCV中这个函数也自然必不可少了。这节内容主要是讲讲OpenCV中kmeans函数的使用方法。   开发环境:OpenCV2.4.3+QtCreator2.5.1     实验基础   在使用kmeans之前,必须先了解kmeans算法的2个缺点:第一是必须人为指定所聚的类的个数k;第二
OpenCV官方学习文档[2014-4-26更新][最新版本2.4.9]
文章目录 [隐藏] 1OpenCV配置以及视频2永恒最新地址(目前离线文档更新到了OpenCV 2.4.9) 2.1离线文档(PDF)2.2在线文档2.3OpenCV2.4.9  2014-4-25更新2.4OpenCV2.4.8  2013-12-31更新2.5其它OpenCV学习书本 2.5.1(1)使用OpenCV开发机器视觉项目Mastering OpenCV
K-means matlab
Choose the value of k Random initialization Find closest centroids Compute centroid means K-meansK-means算法整体的思想比较简单。 给定一个数据集,有特征,无标签,可以用K-means算法对数据集分k类。 算法首先随机初始化k个中心点,然后重复更新中心点的位置直到收敛; 中心点位置的更新过程是
OpenCV: Kmeans的使用一维和二维点集
OpenCVKmeans算法默认使用了Kmeans++选取种子点 参考:OpenCv中Kmeans算法实现和使用 //效果:根据半径聚类,并不一定能得到好的结果。
Cartesian k-means论文理解
1.普通k-means 给定nn个pp维数据点,D≡{Xj}nj=1D≡\{X_j\}_{j=1}^n,普通Kmeans算法将它们分成kk个类别,每个类别有个类中心。目标函数是: 其中矩阵CC的第i列是cic_i,分成m个类别,那么矩阵就有m列,b∈{0,1}k,且b的模长为1b ∈ \{0, 1\}^k,且b 的模长为1。 K-means算法之所以很难,其中一个原因是存在一个a
斯坦福大学机器学习笔记——聚类(k-均值聚类算法、损失函数、初始化、聚类数目的选择)
上面的博客的算法都是有监督学习的算法,即对于每个数据我们都有该数据对应的标签,数据集的形式如下: 而今天我们学习的算法是一种无监督学习的算法——聚类,该算法中的每个数据没有标签,数据集的形式如下: K-均值聚类 k-均值聚类是一种最常见的聚类算法,该算法对没有标签的数据集进行训练,然后将数据集聚类成不同的类别。 k-均值聚类是一种迭代算法,该方法的过程如下: 1. 选择K个随机点,作为
python内实现k-means聚类
python实现k-means聚类。
Matlab中kmeans函数用法
K-means聚类算法将N*P的矩阵X划分为K个类。 使用方法: Idx=Kmeans(X,K) [Idx,C]=Kmeans(X,K)  [Idx,C,sumD]=Kmeans(X,K)  [Idx,C,sumD,D]=Kmeans(X,K)  […]=Kmeans(…,’Param1’,Val1,’Param2’,Val2,…) 各输入输出参数介绍: X N*P的数
Opencv之Kmeans算法实现
一、原理       在machine learning 中已经详细的介绍了,参http://blog.csdn.net/qq_29540745/article/details/52621383.在使用kmeans之前,必须先了解kmeans算法的2个缺点:第一是必须人为指定所聚的类的个数k;第二是如果使用欧式距离来衡量相似度的话,可能会得到错误的结果,因为没有考虑到属性的重要性和相关性。为了减
手工matlab下K-means聚类算法实现而不是调用库函数
一、概念介绍       K-means算法是硬聚类算法,是典型的局域原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最有分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。       K-means算法是很典型的基于距
kmeans算法详解与spark实战
1.标准kmeans算法kmeans算法是实际中最常用的聚类算法,没有之一。kmeans算法的原理简单,实现起来不是很复杂,实际中使用的效果一般也不错,所以深受广大人民群众的喜爱。 kmeans算法的原理介绍方面的paper多如牛毛,而且理解起来确实也不是很复杂,这里使用wiki上的版本: 已知观测集(x1,x2,⋯,xn)(x_1,x_2,\cdots,x_n),其中每个观测都是一个dd维实矢
【分类器】常用的聚类算法-K-means
K-means算法 是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。 该算法是典型的基于聚类的聚类算法,采用距离作为相似性的评价指标,即认为两个对象
使用sklearn进行K_Means聚类算法
sklearn.cluster.K-Means
机器学习教程之10-聚类(Clustering)-K均值聚类(K-means)的sklearn实现
0.概述 ---- **优点**: 原理简单 速度快 能够处理大量的数据 **缺点**: 需要指定聚类 数量K 对异常值敏感 对初始值敏感
Spark MLlib之KMeans
Spark MLlib之KMeansimport org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.Function; im
使用R完成Kmeans聚类
使用R完成Kmeans聚类需要调用kmeans方法,使用数据集iris完成一个小的聚类实验,代码如下: newiris <- iris; newiris$Species <- NULL; #对训练数据去掉分类标记 kc <- kmeans(newiris, 3); #分类模型训练 fitted(kc); #查看具体分类情况 table(iris$Species, kc$cluster);
Tensorflow实现k-means
Tensorflow实现k-meanstensorflow实现k-means聚类算法,主要参考是的buliding Maninery Learning on Tensorflow的程序,tf构建这样的算法要比直接使用numpy复杂一些,而且不是很直观,但是关于tf的一些小的函数和技巧可以从中学习到。首先生成一个人工的数据集,这样比较好观察结果。import tensorflow as tf impo
OpenCV中KMeans算法介绍与应用
OpenCV中KMeans算法介绍与应用               OpenCV学堂 微信号 CVSCHOOL 功能介绍 OpenCV学习教程分享、源码讨论、图像处理与计算视觉算法介绍,行业知识介绍,行业大牛经验分析,人才交流,学习交流。是学习图像处理、计算视觉的最好园地。我们都爱OpenCV 一:KMeans算法介绍 KMeans算法MacQue
MATLAB实现K-means算法
关于K-means算法的原理:Kmeans聚类算法 main.m clc; clear; % 第一类数据 % 均值 mu1 = [-2 -2]; % 协方差 S1 = [0.5 0; 0 0.5]; % 产生高斯分布数据 data1 = mvnrnd(mu1, S1, 100); % 第二类数据 mu2 = [2 -2]; S2 = [0.5 0; 0 0.5]; data2 =
Python KMeans聚类分析
今天用python实现了一下简单的聚类分析,顺便熟悉了numpy数组操作和绘图的一些技巧,在这里做个记录。from pylab import * from sklearn.cluster import KMeans## 利用numpy.append()函数实现matlab多维数组合并的效果,axis 参数值为 0 时是 y 轴方向合并,参数值为 1 时是 x 轴方向合并,分别对应matlab [A
sklearn基本用法----K-means
K-means(K-均值)        k-means算法源于信号处理中的一种向量量化方法,现在则更多地作为一种聚类分析方法流行于数据挖掘领域。
opencv2.4.9特征点的提取和匹配
opencv图像特征点的提取和匹配(一) opencv中进行特征点的提取和匹配的思路一般是:提取特征点、生成特征点的描述子,然后进行匹配。opencv提供了一个三个类分别完成图像特征点的提取、描述子生成和特征点的匹配,三个类分别是:FeatureDetector,DescriptorExtractor,DescriptorMatcher。从这三个基类派生出了不同的类来实现不同的特征提取算法、描述
Kmeans聚类介绍及R语言实现
K-means算法简单来讲就是对于给定的样本集,按照样本之间的距离大小,将样本集划分为K个簇。让簇内的点尽量紧密的连在一起,而让簇间的距离尽量的大,两个对象之间的距离越近,相似性越高
scikit-learn学习之K-means聚类算法与 Mini Batch K-Means算法
====================================================================== 本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行,并进行部分翻译,如有错误,请大家指正    转载请注明出处 ===========================================================
相关热词 c#时间格式化 不带- c#替换字符串中指定位置 c# rdlc 动态报表 c# 获取txt编码格式 c#事件主动调用 c#抽象工厂模式 c# 如何添加类注释 c# static块 c#处理浮点数 c# 生成字母数字随机数
立即提问