基于qt和opencv3实现机器学习之:利用正态贝叶斯分类
来源:互联网 发布:js 单选按钮改变事件 编辑:程序博客网 时间:2024/06/08 15:04
和上一篇svm(http://blog.csdn.net/u013289254/article/details/70568790)的比较相似
第一步:在pro文件里面设置路径
INCLUDEPATH += /usr/local/include \ /usr/local/include/opencv \ /usr/local/include/opencv2 LIBS += /usr/local/lib/libopencv_highgui.so \ /usr/local/lib/libopencv_core.so \ /usr/local/lib/libopencv_imgproc.so \ /usr/local/lib/libopencv_imgcodecs.so \ /usr/local/lib/libopencv_ml.so
第二步:建立cpp文件
#include "opencv2/opencv.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/highgui.hpp"#include "opencv2/ml.hpp"using namespace cv;using namespace cv::ml;int main(int, char**){ int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); //创建窗口可视化 // 设置训练数据 int labels[10] = { 1, -1, 1, 1,-1,1,-1,1,-1,-1 }; Mat labelsMat(10, 1, CV_32SC1, labels); float trainingData[10][2] = { { 501, 150 }, { 255, 10 }, { 501, 255 }, { 10, 501 }, { 25, 80 }, { 150, 300 }, { 77, 200 } , { 300, 300 } , { 45, 250 } , { 200, 200 } }; Mat trainingDataMat(10, 2, CV_32FC1, trainingData); // 创建贝叶斯分类器 Ptr<NormalBayesClassifier> model=NormalBayesClassifier::create(); // 设置训练数据 Ptr<TrainData> tData =TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat); //训练分类器 model->train(tData); Vec3b green(0, 255, 0), blue(255, 0, 0); // Show the decision regions given by the SVM for (int i = 0; i < image.rows; ++i) for (int j = 0; j < image.cols; ++j) { Mat sampleMat = (Mat_<float>(1, 2) << j, i); //生成测试数据 float response = model->predict(sampleMat); //进行预测,返回1或-1 if (response == 1) image.at<Vec3b>(i, j) = green; else if (response == -1) image.at<Vec3b>(i, j) = blue; } // 显示训练数据 int thickness = -1; int lineType = 8; Scalar c1 = Scalar::all(0); //标记为1的显示成黑点 Scalar c2 = Scalar::all(255); //标记成-1的显示成白点 //绘图时,先宽后高,对应先列后行 for (int i = 0; i < labelsMat.rows; i++) { const float* v = trainingDataMat.ptr<float>(i); //取出每行的头指针 Point pt = Point((int)v[0], (int)v[1]); if (labels[i] == 1) circle(image, pt, 5, c1, thickness, lineType); else circle(image, pt, 5, c2, thickness, lineType); } imshow("normal Bayessian classifier Simple Example", image); // show it to the user waitKey(0);}第三步:运行程序,出现的结果
0 0
- 基于qt和opencv3实现机器学习之:利用正态贝叶斯分类
- 基于qt和opencv3实现机器学习之:利用svm(支持向量机)分类
- 基于qt和opencv3实现机器学习之:利用逻辑斯谛回归(logistic regression)分类
- 基于qt和opencv3实现机器学习之:利用最近邻算法(knn)实现手写数字分类
- 基于qt和opencv3实现机器学习之:对OCR进行分类
- 基于qt和opencv3实现机器学习之:kmeans
- 在OpenCV3中实现机器学习算法之:利用最近邻算法(knn)实现手写数字分类
- 机器学习之-利用svm(支持向量机)分类(opencv3)
- 机器学习之分类模型实现
- 【机器学习实战之二】:C++实现基于概率论的分类方法--朴素贝叶斯分类(Naive Bayes Classifier)
- 机器学习之利用AdaBoost元算法提高分类性能
- 基于qt和opencv3人脸检测
- 机器学习之基于概率论的分类方法 : 朴素贝叶斯
- 基于统计概率和机器学习的文本分类技术
- 机器学习-基于Logistic回归和Sigmoid函数的分类
- 机器学习之分类学习
- 《机器学习实战》基于朴素贝叶斯分类算法构建文本分类器的Python实现
- 机器学习分类之结合实际应用介绍KNN算法原理以及利用sklearn进行分类预测
- HDU1166 敌兵布阵(线段树单点更新,区间求和)(代码风格修正版)
- 在centos7的无外网环境下编译安装caffe
- gulp自动化打包(下)
- Oracle编程之使用其他表的字段类型作为变量的类型
- ApplicationId与PackageName的区别
- 基于qt和opencv3实现机器学习之:利用正态贝叶斯分类
- Path Manipulation Fortify
- Storm使用非java语言构建Bolt,Spout
- Intent中显示意图和隐式意图的用法
- 统计和分析访问量工具集锦
- MFC编辑框自动滚动到最后一行
- 51nod_1011 最大公约数GCD
- Android Monkey测试
- 第三届蓝桥杯 第二题 福尔摩斯