解析C++版OpenCV里的機器學習
使用openCV的Knn
定義
在人工智能中，更確切地說在機器學習中，k最近鄰方法是一種有監督的學習方法。在這個框架中，我們有一個由N個“輸入－輸出”對組成的訓練數據庫。為了估計與新輸入x 相關聯的輸出，k最近鄰方法包括根據要定義的距離（以相同的方式）考慮k個訓練樣本，其輸入最接近新輸入x。由于此算法基于距離，因此歸一化可以提高其準確性。
方法
因此，要使用KNN方法進行分類，我們必須首先聲明訓練樣本，或者可以說輸入數據。
在聲明了0和1矩陣之后，我們必須使用函數“RNG”將它們填充為隨機值。
現在我們需要將兩個類連接起來，以便進行學習。
訓練
要進行訓練，你必須首先使用以下代碼行創建模型：
現在，我們將進行遍歷整個圖像的循環（我們選擇的平面為500x500像素，以繪制不同類別的區域，當然也將點放置在它們的位置），然后學習模型的輸出對于第一類將為0，對于第二類將為1。通過查找（或者可以說通過計算距離），我們用定義該像素屬于此類的顏色填充圖像的每個像素，這樣就可以使邊框可視化。因此，要進行訓練，你必須首先使用以下代碼行創建模型：
因此，你可以看到我們具有find＿nearest函數，該函數計算入口點與其他點之間的距離以查找鄰居，然后該函數為第一個類返回0或為第二個返回1。最后，我們使用了條件塊if，為每個類賦予特定的顏色。因此，通過執行這些步驟，我們進行了學習，找到了兩個類，并且我們當然劃定了邊界，如圖：
現在，如果我們想展示用于學習的樣本，我們只需要把每個要點放在適當的位置即可，這樣我們就可以了解學習是否做得很好。
這是樣本表示后的輸出圖像：
可以看出，這兩個類的界限是明確的，有一些點沒有很好地分類，但總的來說，學習效果不錯。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
