小编gar*_*rak的帖子

如何将训练有素的Naive Bayes分类器保存到磁盘并使用它来预测数据？

我从scikit-learn网站获得以下示例程序:

from sklearn import datasets
iris = datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()
y_pred = gnb.fit(iris.data, iris.target).predict(iris.data)
print "Number of mislabeled points : %d" % (iris.target != y_pred).sum()

我目前正在使用FileStorage类来使用OpenCV C++ API 存储矩阵XML/YAML.

但是,我必须编写一个读取这些XML/YAML文件的Python脚本.

我正在寻找可以读取OpenCV C++ API生成的XML/YAML文件的现有OpenCV Python API

我最近一直在研究C++中隐藏马尔可夫模型的实现.我想知道如果我可以使用任何现有的用C++编写的HMM库来使用动作识别(使用OpenCV)？

我想要避免"重新发明轮子"!

是否有可能使用Torch3Vision,即使(看起来像)它被设计用于语音识别？

我的想法是,如果我们可以将特征向量转换为符号/观测(使用矢量量化 - Kmeans聚类),我们可以使用这些符号进行解码,推理,参数学习(Baum-Welch算法).这样它就可以在OpenCV中使用Torch3Vision.

任何有关这方面的帮助将非常感激.

我想计算2个阵列之间多维度(24维)的eucledian距离.我正在使用Numpy-Scipy.

这是我的代码:

import numpy,scipy;

A=numpy.array([116.629, 7192.6, 4535.66, 279714, 176404, 443608, 295522, 1.18399e+07, 7.74233e+06, 2.85839e+08, 2.30168e+08, 5.6919e+08, 168989, 7.48866e+06, 1.45261e+06, 7.49496e+07, 2.13295e+07, 3.74361e+08, 54.5, 3349.39, 262.614, 16175.8, 3693.79, 205865]);

B=numpy.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 151246, 6795630, 4566625, 2.0355328e+08, 1.4250515e+08, 3.2699482e+08, 95635, 4470961, 589043, 29729866, 6124073, 222.3]);

但是,我曾经scipy.spatial.distance.cdist(A[numpy.newaxis,:],B,'euclidean')计算过核心距离.

但它给了我一个错误

raise ValueError('XB must be a 2-dimensional array.');

我好像不明白.

我抬头scipy.spatial.distance.pdist但不明白如何使用它？

还有其他更好的方法吗？

我在使用Eigen3库和C++中的OpenCV应用程序时遇到了麻烦.我使用以下命令在我的Ubuntu上安装了Eigen3库:

sudo apt-get install libeigen3-dev

当我使用以下命令进行编译时,我能够编译和使用示例Eigen3应用程序(安装Eigen3库并且它可以工作).

g++ -I/usr/include/eigen3 Eig.cpp -o Eig

我想在OpenCV中使用已安装的Eigen库.

我用以下标志编译了OpenCV源代码:

cmake -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=OFF -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON USE_EIGEN=/usr/include/eigen3 ..

我的OpenCV代码包括以下标头和命名空间:

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <assert.h>
#include <opencv2/core/eigen.hpp>

using namespace cv;
using namespace std;
using namespace Eigen;

但是,当我正常编译OpenCV应用程序时,我的编译器给出了以下错误:

In file included from Read.cpp:6:
/usr/local/include/opencv2/core/eigen.hpp:54: error: expected ‘,’ or ‘...’ before ‘::’ token
/usr/local/include/opencv2/core/eigen.hpp: In function ‘void cv::eigen2cv(int)’:
/usr/local/include/opencv2/core/eigen.hpp:56: error: ‘src’ was not …

K-Means聚类和矢量量化之间有什么区别？他们似乎非常相似.

我正在处理隐马尔可夫模型,我需要从特征向量中提取符号.

为了提取符号,我是做矢量量化还是Kmeans聚类？

我已经完成了Kmeans集群,并使用OpenCV C++ API 找到了集群中心.

kmeans(data_points, clusterCount, labels, TermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, 1.0), 3, KMEANS_PP_CENTERS, cluster_centers);

然后我用欧几里德距离来找到最近的聚类的新的数据点对所有聚类中心.

int distance = find_EucledianDist(new_datapoint, cluster_centers);

我如何使用马哈拉诺比斯距离而不是欧几里德距离？我知道我必须计算协方差矩阵并将其反转并找到马哈拉诺比斯距离.

但是,我不知道我是怎么做的以及在什么ORDER (找到covar矩阵,倒数矩阵的数据/矩阵)？

我想声明,填充,访问与命名空间cv兼容的OpenCV(C++)中的多维矩阵.我发现没有快速简单的例子.你能帮帮我吗？

我一直在尝试验证我的代码以计算用Python编写的马氏距离（并仔细检查以比较OpenCV中的结果）。我的数据点各为1维（5行x 1列）。

import numpy;
import scipy.spatial.distance;
s = numpy.array([[20],[123],[113],[103],[123]]);
covar = numpy.cov(s, rowvar=0);
invcovar = numpy.linalg.inv(covar)
print scipy.spatial.distance.mahalanobis(s[0],s[1],invcovar);

Traceback (most recent call last):
  File "/home/abc/Desktop/Return.py", line 6, in <module>
    invcovar = numpy.linalg.inv(covar)
  File "/usr/lib/python2.6/dist-packages/numpy/linalg/linalg.py", line 355, in inv
    return wrap(solve(a, identity(a.shape[0], dtype=a.dtype)))
IndexError: tuple index out of range