最大期望算法
来源:互联网 发布:雅思阅读材料 知乎 编辑:程序博客网 时间:2024/06/05 03:52
原链接:https://community.bwbot.org/topic/132
什么是最大期望算法
在我们进行数据分析的时候经常会遇到这个的问题。我们有一系列的数据点,可以看出他们大致上属于不同的类别。比如下面的数据点。如何找到一种算法把这些点分类?
最大期望算法(Expectation Maximization algorithm )就是这样一种分类算法。
原理
原理上也是十分的简单的。对于一个随机过程来说,一般数据分布都是一个高斯分布。所以我们就可以假设这样的数据是几个高斯分布叠加出来的结果。下面只要通过一定的方法找到这些高斯分布的参数就可以了。为什么叫做最大期望呢?因为找到的分布是最有可能的产生这样的数据结果的分布。具体找参数的方法我就不介绍了,可以详细看这里
如何在opencv里面使用最大期望算法
在opencv中已经实现了EM算法,所以我们可以直接使用,官方文档
这里是opencv官方给的sample code
下面是我写的更简单一些的sample code。作用是对三维空间中的点进行归类。
cv::Mat framePos = cv::Mat( vpKF.size(), 3, sizeof(float)); for(size_t it = 0; it < vpKF.size(); it ++){ framePos.at<float>(it * 3) = 0; // 构造数据 framePos.at<float>(it * 3 + 1) = 0; framePos.at<float>(it * 3 + 2) = 0; } // 所有点的坐标信息都已经存入framePos cv::EM em = cv::EM(); // 创建一个EM对象 cv::Mat labels; cv::Mat pos = cv::Mat( 1, 3, sizeof(float)); // pos是需要进行判断分类的点 // 开始训练数据 em.train( framePos, cv::noArray(), labels, cv::noArray() ); // 开始判断分类 em.predict(pos, cv::noArray())[1]; // 返回值就是分类
阅读全文
0 0
- EM最大期望算法
- 最大期望(EM)算法
- EM最大期望算法
- EM-最大期望算法
- EM最大期望算法
- 最大期望算法
- 最大期望算法
- 期望最大(EM)算法
- EM(最大期望)算法
- 简析EM算法(最大期望算法)
- 【机器学习】EM最大期望算法
- EM(期望最大)算法详解(上)
- 最大期望算法EM-机器学习ML
- 机器学习期望最大算法:实例解析
- 机器学习期望最大算法:实例解析
- 数据挖掘十大算法---EM 期望最大算法
- 机器学习之期望最大算法(EM算法)
- 机器学习之期望最大算法(EM算法)
- 606. Construct String from Binary Tree
- Linux操作系统实验初学(1)(生产者消费者问题)
- RAML规范的Python参考实现ramlfications详解
- 企业内部规范的流程
- Java中去除数组重复的一种方法
- 最大期望算法
- 6/27android进行签名
- java发送http请求获取响应结果【工具包系列】
- xshell-常用指令汇总 linux 常用指令
- JS_获取当前时间(2017年06月27日)
- 微信小程序实现滑动的自定义页码
- 简历突出这三点,HR抢着要!
- 分类聚类区别及聚类概述
- nginx SSl redirect问题