在opencv3.0中,提供了一个ml.cpp的文件,这里面全是机器学习的算法,共提供了这么几种:
1、正态贝叶斯:normal Bayessian classifier 我已在另外一篇博文中介绍过:在opencv3中实现机器学习之:利用正态贝叶斯分类
2、K最近邻:k nearest neighbors classifier
3、支持向量机:support vectors machine 请参考我的另外一篇博客:在opencv3中实现机器学习之:利用svm(支持向量机)分类
4、决策树: decision tree
5、ADA Boost:adaboost
6、梯度提升决策树:gradient boosted trees
7、随机森林:random forest
8、人工神经网络:artificial neural networks
9、EM算法:expectation-maximization
这些算法在任何一本机器学习书本上都可以介绍过,他们大致的分类过程都很相似,主要分为三个环节:
一、收集样本数据sampleData
二、训练分类器mode
三、对测试数据testData进行预测
不同的地方就是在opencv中的参数设定,假设训练数据为trainingDataMat,且已经标注好labelsMat。待测数据为testMat.
1、正态贝叶斯
//创建贝叶斯分类器
Ptr model=NormalBayesClassifier::create();//设置训练数据