Clustering and Search in Multi-Dimensional Spaces

クラス
struct	cv::flann::CvType< T >
struct	cv::flann::CvType< unsigned char >
struct	cv::flann::CvType< char >
struct	cv::flann::CvType< unsigned short >
struct	cv::flann::CvType< short >
struct	cv::flann::CvType< int >
struct	cv::flann::CvType< float >
struct	cv::flann::CvType< double >
class	cv::flann::GenericIndex< Distance >
	FLANNの最近傍インデックスクラスです．このクラスは，インデックスが作成される要素の種類でテンプレート化されています．[【詳解】（英語］

関数
template<typename Distance >
int	cv::flann::hierarchicalClustering (const Mat &features, Mat &centers, const ::cvflann::KMeansIndexParams &params, Distance d=Distance())
	階層型k-meansアルゴリズムを用いて，特徴量をクラスタリングします．[【詳解】（英語］

詳解

This section documents OpenCV's interface to the FLANN library. FLANN (Fast Library for Approximate Nearest Neighbors) is a library that contains a collection of algorithms optimized for fast nearest neighbor search in large datasets and for high dimensional features. More information about FLANN can be found in [Muja2009] .

関数詳解

hierarchicalClustering()

template<typename Distance >

int cv::flann::hierarchicalClustering	(	const Mat &	features,
		Mat &	centers,
		const ::cvflann::KMeansIndexParams &	params,
		Distance	d = Distance()
	)

階層型k-meansアルゴリズムを用いて，特徴量をクラスタリングします．

引数

features	クラスタリングの対象となる点．この行列は，Distance::ElementType 型の要素を持たなければいけません．
centers	得られたクラスタの中心。この行列は，Distance::CentersType型の要素を持たなければいけません．この行列の行数は，希望するクラスタ数を表しますが，階層木の切り口が選択されるため，計算されるクラスタ数は，(branching-1)*k+1の形で，希望するクラスタ数よりも少ない最大の数になります．
params	階層化されたk-meansツリーの構築に使用されるパラメータ。
d	クラスタリングに使用する距離。

このメソッドは，階層的な k-means ツリーを構築し，クラスタの分散を最小化するツリーの切り口を選択することで，与えられた特徴ベクトルをクラスタリングします．見つかったクラスターの数を返します．