使用KNN算法的分类实验源代码

最新推荐文章于 2023-04-06 18:30:04 发布

Vigor

最新推荐文章于 2023-04-06 18:30:04 发布

阅读量2.5k

点赞数

分类专栏： OpenCV 学术文章标签：算法 training testing float 测试 c

本文链接：https://blog.csdn.net/hewei0241/article/details/7785484

版权

这篇博客介绍了一个基于KNN的2分类实验，训练集包含20张图片，测试集包含500张图片。尽管成功实现了调用，但实验结果显示其性能逊色于SVM算法。

摘要由CSDN通过智能技术生成

一个很简单的实验，2分类，训练集为20张图片，测试集合为500张图片。

折腾了很久才弄好了调用结果，但是结果不是太好，不如SVM。

double classifyByKNN( const cv::Mat& trainData, const cv::Mat& trainResponse, const cv::Mat& testData, const cv::Mat& testResponse )
{
const int C = 10001;
const int K = 15; // 参数K的取值
int i, j, k;
float response;
double accuracy = 0;
float _sample[C];
CvMat sample = cvMat( 1, C, CV_32FC1, _sample );
//CvMat* traincm = cvCreateMat(trainData.rows, trainData.cols, CV_32FC1);
//CvMat* testcm = cvCreateMat(testData.rows, testData.cols, CV_32FC1);
CvMat* traincm = &trainData.operator CvMat();
CvMat* testcm = &testData.operator CvMat();
CvMat* trainre = &trainResponse.operator CvMat();
CvMat* nearests = &testResponse.operator CvMat();

//CvKNearest( const CvMat* _train_data, const CvMat* _responses, const CvMat* _sample_idx=0, bool _is_regression=false