OpenCV kmean：如何为COUNT和EPS选择体面值？

Question

我正尝试在OpenCV中使用kmean函数将36000个示例图像预分为100多个类（以减少我的工作，为监督学习准备列车数据）。在这个函数中有两个参数我不太明白：cv :: TermCriteria :: EPS和cv :: TermCriteria :: COUNT。

cv::kmeans(dataset.t(), K, kmean_labels, cv::TermCriteria(cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 10, 1.0), 
      3, cv::KMEANS_PP_CENTERS, kmean_centers); 

在OpenCV的文件，它解释的是： CV :: TermCriteria :: EPS：在该迭代算法停止参数所需的精度或改变。

cv :: TermCriteria :: COUNT：要计算的最大迭代次数或元素数。

上面的解释对我来说不太清楚。任何人都可以帮助解释更多，并展示如何为COUNT和EPS找到好的价值？ 非常感谢。

Answer 1

没有适合所有应用程序的神奇数字（否则它们不会是参数）。 Kmeans是一种迭代算法，它将朝最佳方向发展，每次迭代应该会变得更好，但是您需要告诉算法何时停止。

使用cv :: TermCriteria :: COUNT，您告诉算法：您可以执行x迭代，然后停止。但这并不能保证你有任何的准确性。

使用CV :: TermCriteria :: EPS，你告诉算法继续迭代，直到连续两次迭代之间的差异变得足够小。参数EPS告诉算法这个区别应该变得多小。这当然取决于您要输入算法的数据集。假设您将所有数据点乘以10;那么每股收益应该相应地变化（按照二次方我想，但不确定）。

当您使用两个这两个参数;当两个条件中的一个满载时，告诉算法停止;例如：当两次连续运行之间的差异小于0.1时停止迭代，当您完成10次迭代时，停止迭代，或。

总之：只有你的数据集的分析，以及试验和错误可以给你体面值...