OpenCV K最近的输入

正如这里所说，它是所有训练样本的缓存，即：您需要一个初始集。之后，您可以请求所有在训练集中最接近的新向量。kNN是一个分类器（这就是它继承自CvStatModel的原因。一个典型的用法是：ORB特征从图像数据集（但不限于关键点！）中说，你有一个根据你想要的计算的特征训练集，你想知道未知图像的特征是什么。你用训练集训练你的kNN（即：你知道类的每个图像上计算的特征），计算未知图像上的特征，然后在训练集中找到k个最近的邻居（使用findnearst）。您查看每个最近邻居的标签，多数标签可能是您的图像=>您已识别和图像的类。这只是kNN的一个典型用法，还有很多其他用法！

如果您正在寻找将一组数据聚类到K类中的解决方案（即：对于一组向量，您希望将一个分区划分为K组），请查看kmeans。