knn

    0熱度

    2回答

    目前我正在使用OpenCV的KNN實現對圖像進行分類。目前它將圖像分類爲P,S或矩形,並且正確。但是,如果我爲它提供一個噪聲圖像,它會嘗試將它分類爲我之前陳述的三個分類中的一個。爲了將它歸類爲噪音,我應該訓練KNN將噪音置於「噪音」範疇,還是存在某種我可以使用的精確度評級?

    2熱度

    1回答

    我正在使用openCV for android來實現徽標檢測算法。我現在的目標是在我用android相機拍攝的照片中找到預定義的徽標。 我無法獲得任何正確的匹配..我認爲這很奇怪,考慮到我幾乎只使用openCV庫函數。 首先,我使用FAST檢測器檢測關鍵點,然後使用SURF描述這些關鍵點,我的圖像尺寸爲500x500,大小爲 。 與knn我要求2個最好的匹配,並消除那些沒有比率小於0.6(firs

    4熱度

    4回答

    我正在尋找一種方法來做高維點(通常〜11-13維)的快速最近鄰(有希望O(log n))。在初始化結構後,我希望它在插入期間表現最佳。 KD樹出現在我的腦海裏,但如果你不做批量加載但是做動態插入,那麼kd樹不再是平衡的,而且afaik平衡是一個昂貴的操作。 所以,我想知道什麼樣的數據結構,你喜歡這種設置。你有高維點,你想插入和查詢最近的鄰居。

    2熱度

    1回答

    我在matlab中應用了KNN算法對手寫數字進行分類。這些數字最初是8 * 8的矢量格式,並被拉伸形成矢量1 * 64。所以每次我將第一個數字與其餘所有數據集(這是相當大的數據集)進行比較,然後第二個數字集與剩下的集合等等等現在我的問題是,不是1鄰居是最佳選擇總是?由於我使用歐幾里德距離(我選擇了一個更接近的距離),爲什麼我應該選擇2或3個鄰居呢? 謝謝

    13熱度

    2回答

    我正在使用KNN對手寫數字進行分類。我現在也實施了PCA來降低維度。從256我去了200.但我只注意到,〜0.10%的信息損失。我刪除了56維。不應該損失更大?只有當我下降到5個維度時,我會有20%的損失。這是正常的嗎?

    2熱度

    1回答

    我有一個圖像庫,具有〜5000圖像約150功能。現在我有另一個具有〜300特徵的圖像,我想在我的圖書館中找到5個最相似的圖像。 蠻力需要大約300 * 5000 * 150 * 128的操作,花費太多時間。所以我在庫中的每個圖像中爲特徵建立了kd樹,這意味着〜5000 kd樹。我使用bbf search作爲近似最近的鄰居,像其他篩選庫一樣。但是性能比我的強力算法慢得多。爲了確保它不是我的實現的錯誤

    1熱度

    1回答

    我必須爲我的masterthesis實現一個android的標誌檢測算法。 我目前在NDK中使用openCV android庫,並已經設法使用SURF檢測這些關鍵點的關鍵點和設置描述符。 我下一步是使用找到2個最近的每一個關鍵點匹配knnMatch,後來我要把這裏遠離與這些第二(的距離比相比,最好的KNN搭配不是十分區分比賽二是過低) 這裏是我的代碼的一部分: private static Lis

    2熱度

    2回答

    我正在嘗試做「dat」中數據點的k最近鄰居(KNN),所以我的第一步是構建每個點和所有其他點之間的距離矩陣點,然後爲每個點找到K最近的鄰居。下面的代碼在沒有openmp的情況下可以很好地工作。但是,當我使用openmp時,會出現分段錯誤。我認爲這個錯誤與我如何更新包含k個最小元素索引的最小值有關。我認爲可能是我需要使用矢量最小的「縮小」,但我不知道如何使用它,或者它是對還是錯,所以對如何克服這種分

    0熱度

    1回答

    我有很多數據點(x,y),我試圖用k-NN來預測未來y'。 如果y只有兩個可能的值,那麼我可以把y = +1或-1。 每次我有一個輸入x',找到最近的k個元素,並用距離(x,x')的倒數乘以它們的y倍。 如果總和大於0,那麼我會預測y'= + 1,否則y'= - 1 但是,知道我的y有10個不同的可能值。 在這種情況下,我該如何做類似的加權總和?

    11熱度

    2回答

    我有一些問題OpenCV的FLANN ::首頁 - 我創建索引 Mat samples = Mat::zeros(vfv_net_quie.size(),24,CV_32F); for (int i =0; i < vfv_net_quie.size();i++) { for (int j = 0;j<24;j++) { samp