Halcon学习之K最近邻分类

本文深入探讨了Halcon中的K最近邻(KNN)分类器,详细介绍了如何使用KNN进行图像识别和分类。通过实例展示了设置参数、训练模型和应用分类的过程,为Halcon初学者提供了宝贵的实践指导。
摘要由CSDN通过智能技术生成
void testKNearestNeighbors()
{
    //创建K最近邻分类器
    //参数说明:NumDim指定特征维度数量
    HTuple NumDim = 2;
    HClassKnn classKnn;
    classKnn.CreateClassKnn(NumDim);

    //添加一个样本到k最近邻分类器
    //参数说明:Features增加的特征列表,ClassID指定的类别
    HTuple Features, ClassID;
    ClassID = 0;
    Features = HTuple(1).Append(1);
    classKnn.AddSampleClassKnn(Features, ClassID);

    ClassID = 1;
    Features = HTuple(-1).Append(-1);
    classKnn.AddSampleClassKnn(Features, ClassID);

    ClassID = 2;
 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值