（留存记录）近邻分类算法KNN

K-近邻（K-Nearest Neighbors, KNN）是一种很好理解的分类算法，简单说来就是从训练样本中找出K个与其最相近的样本，然后看这K个样本中哪个类别的样本多，则待判定的值（或说抽样）就属于这个类别。

KNN算法的步骤

计算已知类别数据集中每个点与当前点的距离；
选取与当前点距离最小的K个点；
统计前K个点中每个类别的样本出现的频率；
返回前K个点出现频率最高的类别作为当前点的预测分类。

OpenCV中使用CvKNearest

OpenCV中实现CvKNearest类可以实现简单的KNN训练和预测。

[cpp] view
plaincopy





int main()  

{  

    float labels[10] = {0,0,0,0,0,1,1,1,1,1};  

    Mat labelsMat(10, 1, CV_32FC1, labels);  

    cout<<labelsMat<<endl;  

    float trainingData[10][2];  

    srand(time(0));   

    for(int i=0;i<5;i++){  

        trainingData[i][0] = rand()%255+1;  

        trainingData[i][1] = rand()%255+1;  

        trainingData[i+5][0] = rand()%255+255;  

        trainingData[i+5][1] = rand()%255+255;  

    }  

    Mat trainingDataMat(10, 2, CV_32FC1, trainingData);  

    cout<<trainingDataMat<<endl;  

    CvKNearest knn;  

    knn.train(trainingDataMat,labelsMat,Mat(), false, 2 );  

    // Data for visual representation  

    int width = 512, height = 512;  

    Mat image = Mat::zeros(height, width, CV_8UC3);  

    Vec3b green(0,255,0), blue (255,0,0);  

  

    for (int i = 0; i < image.rows; ++i){  

        for (int j = 0; j < image.cols; ++j){  

            const Mat sampleMat = (Mat_<float>(1,2) << i,j);  

            Mat response;  

            float result = knn.find_nearest(sampleMat,1);  

            if (result !=0){  

                image.at<Vec3b>(j, i)  = green;  

            }  

            else    

                image.at<Vec3b>(j, i)  = blue;  

        }  

    }  

  

        // Show the training data  

        for(int i=0;i<5;i++){  

            circle( image, Point(trainingData[i][0],  trainingData[i][1]),   

                5, Scalar(  0,   0,   0), -1, 8);  

            circle( image, Point(trainingData[i+5][0],  trainingData[i+5][1]),   

                5, Scalar(255, 255, 255), -1, 8);  

        }  

        imshow("KNN Simple Example", image); // show it to the user  

        waitKey(10000);  

  

}  

使用的是之前BP神经网络中的例子，分类结果如下：



预测函数find_nearest()除了输入sample参数外还有些其他的参数：

[cpp] view
plaincopy





float CvKNearest::find_nearest(const Mat& samples, int k, Mat* results=0,   

const float** neighbors=0, Mat* neighborResponses=0, Mat* dist=0 )  



即，samples为样本数*特征数的浮点矩阵；K为寻找最近点的个数；results与预测结果；neibhbors为k*样本数的指针数组（输入为const，实在不知为何如此设计）；neighborResponse为样本数*k的每个样本K个近邻的输出值；dist为样本数*k的每个样本K个近邻的距离。

另一个例子

OpenCV refman也提供了一个类似的示例，使用CvMat格式的输入参数：

[cpp] view
plaincopy





int main( int argc, char** argv )  

{  

    const int K = 10;  

    int i, j, k, accuracy;  

    float response;  

    int train_sample_count = 100;  

    CvRNG rng_state = cvRNG(-1);  

    CvMat* trainData = cvCreateMat( train_sample_count, 2, CV_32FC1 );  

    CvMat* trainClasses = cvCreateMat( train_sample_count, 1, CV_32FC1 );  

    IplImage* img = cvCreateImage( cvSize( 500, 500 ), 8, 3 );  

    float _sample[2];  

    CvMat sample = cvMat( 1, 2, CV_32FC1, _sample );  

    cvZero( img );  

    CvMat trainData1, trainData2, trainClasses1, trainClasses2;  

    // form the training samples  

    cvGetRows( trainData, &trainData1, 0, train_sample_count/2 );  

    cvRandArr( &rng_state, &trainData1, CV_RAND_NORMAL, cvScalar(200,200), cvScalar(50,50) );  

    cvGetRows( trainData, &trainData2, train_sample_count/2, train_sample_count );  

    cvRandArr( &rng_state, &trainData2, CV_RAND_NORMAL, cvScalar(300,300), cvScalar(50,50) );  

    cvGetRows( trainClasses, &trainClasses1, 0, train_sample_count/2 );  

    cvSet( &trainClasses1, cvScalar(1) );  

    cvGetRows( trainClasses, &trainClasses2, train_sample_count/2, train_sample_count );  

    cvSet( &trainClasses2, cvScalar(2) );  

    // learn classifier  

    CvKNearest knn( trainData, trainClasses, 0, false, K );  

    CvMat* nearests = cvCreateMat( 1, K, CV_32FC1);  

    for( i = 0; i < img->height; i++ )  

    {  

        for( j = 0; j < img->width; j++ )  

        {  

            sample.data.fl[0] = (float)j;  

            sample.data.fl[1] = (float)i;  

            // estimate the response and get the neighbors’ labels  

            response = knn.find_nearest(&sample,K,0,0,nearests,0);  

            // compute the number of neighbors representing the majority  

            for( k = 0, accuracy = 0; k < K; k++ )  

            {  

                if( nearests->data.fl[k] == response)  

                    accuracy++;  

            }  

            // highlight the pixel depending on the accuracy (or confidence)  

            cvSet2D( img, i, j, response == 1 ?  

                (accuracy > 5 ? CV_RGB(180,0,0) : CV_RGB(180,120,0)) :  

                (accuracy > 5 ? CV_RGB(0,180,0) : CV_RGB(120,120,0)) );  

        }  

    }  

    // display the original training samples  

    for( i = 0; i < train_sample_count/2; i++ )  

    {  

        CvPoint pt;  

        pt.x = cvRound(trainData1.data.fl[i*2]);  

        pt.y = cvRound(trainData1.data.fl[i*2+1]);  

        cvCircle( img, pt, 2, CV_RGB(255,0,0), CV_FILLED );  

        pt.x = cvRound(trainData2.data.fl[i*2]);  

        pt.y = cvRound(trainData2.data.fl[i*2+1]);  

        cvCircle( img, pt, 2, CV_RGB(0,255,0), CV_FILLED );  

    }  

    cvNamedWindow( "classifier result", 1 );  

    cvShowImage( "classifier result", img );  

    cvWaitKey(0);  

    cvReleaseMat( &trainClasses );  

    cvReleaseMat( &trainData );  

    return 0;  

}  

分类结果：



KNN的思想很好理解，也非常容易实现，同时分类结果较高，对异常值不敏感。但计算复杂度较高，不适于大数据的分类问题。