原链接:https://community.bwbot.org/topic/132
什么是最大期望算法
在我们进行数据分析的时候经常会遇到这个的问题。我们有一系列的数据点,可以看出他们大致上属于不同的类别。比如下面的数据点。如何找到一种算法把这些点分类?
最大期望算法(Expectation Maximization algorithm )就是这样一种分类算法。
原理
原理上也是十分的简单的。对于一个随机过程来说,一般数据分布都是一个高斯分布。所以我们就可以假设这样的数据是几个高斯分布叠加出来的结果。下面只要通过一定的方法找到这些高斯分布的参数就可以了。为什么叫做最大期望呢?因为找到的分布是最有可能的产生这样的数据结果的分布。具体找参数的方法我就不介绍了,可以详细看这里
如何在opencv里面使用最大期望算法
在opencv中已经实现了EM算法,所以我们可以直接使用,官方文档
这里是opencv官方给的sample code
下面是我写的更简单一些的sample code。作用是对三维空间中的点进行归类。
cv::Mat framePos = cv::Mat( vpKF.size(), 3, sizeof(float));
for(size_t it = 0; it < vpKF.size(); it ++){
framePos.at<float>(it * 3) = 0; // 构造数据
framePos.at<float>(it * 3 + 1) = 0;
framePos.at<float>(it * 3 + 2) = 0;
}
// 所有点的坐标信息都已经存入framePos
cv::EM em = cv::EM(); // 创建一个EM对象
cv::Mat labels;
cv::Mat pos = cv::Mat( 1, 3, sizeof(float)); // pos是需要进行判断分类的点
// 开始训练数据
em.train( framePos, cv::noArray(), labels, cv::noArray() );
// 开始判断分类
em.predict(pos, cv::noArray())[1]; // 返回值就是分类