为什么需要在OpenCV分层聚类中指定聚类数
为什么需要在OpenCV分层聚类中指定聚类数
提问于 2019-04-04 00:24:40
如果我们知道输入数据中的聚类数，我们可以使用k-means算法。但是，如果我们不知道聚类的数量，那么我们可以选择使用分层聚类算法，该算法将根据给定的相似性阈值自动返回聚类的数量。层次聚类有两个选项，即聚集式(自下而上)或分离式(自上而下)，link。我想使用OpenCV分层聚类。
然而，与实际的层次聚类不同，OpenCVs hierarchicalClustering算法将中心作为参数，并使用行数作为期望聚类的数目。对我来说，OpenCV hierarchicalClustering与k-means聚类是一样的。OpenCV中有没有其他函数可以根据给定的相似度阈值返回聚类的数量？
typedef cv::flann::L2<float> D;
float a[] = {0, 0, 0, 0 };
cvflann::Matrix< D::ResultType> centers(a, 2, 2, 0);
const cvflann::KMeansIndexParams params1(
2,
100,
cvflann::flann_centers_init_t::FLANN_CENTERS_RANDOM,
.2
);
int number_of_clusters = cvflann::hierarchicalClustering<D> (features,
centers,
params1
);我们传入的另一个参数是cb_index = 0.2。它是簇之间距离的阈值，还是作为半径阈值的簇。
回答 1
Stack Overflow用户
发布于 2019-04-13 00:06:40
number_of_clusters是簇的实际数量，它可以小于中心大小。中心大小值是簇计数的最大值。
看这个example
// clustering
Mat1f centers(clusterNum, descriptorNum);
::cvflann::KMeansIndexParams kmean_params;
unsigned int resultClusters = hierarchicalClustering< L2<float> >(samples, centers, kmean_params);
if (resultClusters < clusterNum)
{
centers = centers.rowRange(Range(0, resultClusters));
}
Index flann_index(centers, KDTreeIndexParams());
printf("resulted clusters number: %u\n", resultClusters);页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55499949
复制相关文章
相似问题
腾讯云开发者
