为了写论文编了一天,终于弄出来了,感觉对自己有用的话赞一个吧!
目前图像分类里面常用的分类器是多分类SVM,以及NNC(最近邻分类器)+卡方距离。本文只介绍NNC+卡方距离的分类方法。主要是编程(MATLAB)吧!(网上基本没有,MATLAB工具箱有个函数fitcknn和predict,但是需要调参即:特征向量多少维就要初始化多少个权值。)
KNN算法:(抄的)
优点:精度高、对异常值不敏感、无数据输入假定。
缺点:计算复杂度高、空间复杂度高。
适用数据范围:数值型和标称性。
工作原理:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说,我们只选择样本数据及中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k选择不大于20的整数。最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
K-近邻算法的一般流程:
(1)收集数据:可以使用任何方法
(2)准备数据:距离