python實現用SIFT+K-MEANS+SVM圖片分類
用python實現圖片分類過程：
1. 按圖片類別抽取訓練集中所有圖片的SIFT特徵；
2. 將每一類圖片的SIFT特徵聚類為K類，構成該類的visual vocabulary(其size為K)；
3. 對於訓練集中的每一張圖片，統計vocabulary中K個word的“詞頻”，得到相應的直方圖；
4. 將直方圖作為樣本向量即可構建SVM的訓練資料和測試資料；
執行的環境：
windows7+python 2.7.9+opencv 2.4.9+numpy
***************************************************小白知識補給站********************************************************************
Python是一種通用語言。它被解釋執行，是動態型別語言，非常適合互動工作和快速實現原型，並且足夠強大可以寫大型應用。
Numpy是一個定義了數值陣列、矩陣型別和它們的基本運算的語言擴充套件（是Python的一個工具包）。
pip是一個安裝和管理Python包的工具，是easy_install的一個替代品。可以用pip安裝numpy等工具，非常方便！
***************************************************************************************************************************************
環境搭建：
安裝了python後，安裝pip：在Python的官網上去下載，下載地址是：https://pypi.python.org/pypi/pip#downloads
下載完成之後，解壓到一個資料夾，用CMD控制檯進入解壓目錄，輸入：
python setup.py install
然後需要新增環境變數，我們在PATH最後新增：
C:\Python27\Scripts;
安裝好pip後，就可以用pip安裝numpy了：在cmd中輸入pip install numpy
可能大家會遇到一個問題，明明電腦上裝好了opencv，為什麼import cv2會出錯？
因為我們還需要在python下安裝
將”\opencv\build\python\2.7\x64”或”\opencv\build\python\2.7\x86”（根據python版本）資料夾中找到cv2.pyd”，
複製到Python安裝檔案的”C:\Python27\Lib\site-packages”資料夾中。
執行的程式碼用例是網上下載的一個資源：http://www.ithao123.cn/content-8721974.html
相關推薦
python實現用SIFT+K-MEANS+SVM圖片分類
用python實現圖片分類過程： 1. 按圖片類別抽取訓練集中所有圖片的SIFT特徵； 2. 將每一類圖片的SIFT特徵聚類為K類，構成該類的visual vocabulary(其size為K)； 3. 對於訓練集中的每一張圖片，統計vocabulary中K個word的“
【機器學習七】利用K-means壓縮圖片
在學習機器的過程中，發現了K-means的一種應用，遂那這個例子，練練手，增加對K-means的理解。 # -- encoding:utf-8 -- """ Create by yexm on 2018/11/24 """ # coding:utf-8 import matplot
Python實現"用佇列實現棧"的一種方法
使用佇列實現棧的下列操作： push(x) -- 元素 x 入棧 pop() -- 移除棧頂元素 top() -- 獲取棧頂元素 empty() -- 返回棧是否為空 Example: MyStack stack = new MyStack(); stack.p
SVM全系列：從原理到python實現（一）：SVM原理
前言 本文開始主要介紹一下SVM的分類原理以及SVM的數學匯出和SVM在Python上的實現。借鑑了許多文章，會在後面一一指出，如果有什麼不對的希望能指正。 一、 SVM簡介 首先看到SVM是在斯坦福的機器學習課程上，SVM是作為分類器在logisticregr
C#實現簡單的K-means聚類演算法
namespace K_means{ public class Kmeans { double[,] inPut;//資料 int k;//類別數 int Num;//檔案數 int sub;//特徵值數
python機器學習：K-means聚類演算法
為了更好構建關於機器學習的整體架構，多快好省的學好機器學習，計劃提綱挈領的總結一遍，從演算法的執行流程、虛擬碼流程構建、python程式碼實現、呼叫sklearn機器學習庫相關函式實現功能等方面論述，以便以後自己複習和備查，下面先從k-means演算法開始。 一
【機器學習演算法-python實現】KNN-k近鄰演算法的實現（附原始碼）
下載地址 kNN演算法及例項原始碼實現#coding=utf-8 ''' Created on Sep 16, 2010 kNN: k Nearest Neighbors Input: inX: vector to compare to existing dataset (1xN)
python實現用戶登陸（sqlite數據庫存儲用戶信息）
自動 入學 添加 sqlite數據庫 lec 輸入密碼 獲取 where char python實現用戶登陸（sqlite數據庫存儲用戶信息） 目錄 創建數據庫 數據庫管理 簡單登陸 有些地方還未完善。 創建數據庫 import sqlite3 #建一個
python實現將目錄下的所有圖片resize
實現功能 將目錄下的所有圖片重新resize程式碼實現import os import cv2 for filename in os.listdir(r"/home/jing/mnist
Python 實現 KNN（K-近鄰）算法
動作 bsp operator sort 關於 png 如果 std labels 一、概述 KNN（K-最近鄰）算法是相對比較簡單的機器學習算法之一，它主要用於對事物進行分類。用比較官方的話來說就是：給定一個訓練數據集，對新的輸入實例，在訓練數據集中找到與該實
使用yield生成器，用Python實現用戶對用戶輸入信息的監聽和過濾
所有 file line adl 語句 pytho open UNC 函數 # -*- coding:utf-8 -*-‘‘‘‘‘‘‘‘‘生成器是一次生成一個值的特殊類型函數。可以將其視為可恢復函數。調用該函數將返回一個可用於生成連續 x 值的生成【Generator】，簡
機器學習實戰——python實現簡單的樸素貝葉斯分類器
基礎公式 貝葉斯定理：P(A|B) = P(B|A)*P(A)/P(B) 假設B1,B2…Bn彼此獨立，則有：P(B1xB2x…xBn|A) = P(B1|A)xP(B2|A)x…xP(Bn|A) 資料（虛構） A1 A2 A3 A4 A5 B
python實現貝葉斯推斷——垃圾郵件分類
理論 前期準備 資料來源 資料來源於《機器學習實戰》中的第四章樸素貝葉斯分類器的實驗資料。資料書上只提供了50條資料（25條正常郵件，25條垃圾郵件），感覺資料量偏小，以後打算使用scikit-learn提供的iris資料。 資料準備 和很
機器學習筆記：python中使用sklearn中的svm進行分類demo，並輸入分類概率
from sklearn import svm# 使用svm分類demo# sklearn.svm.SVC(C=1.0, kernel='rbf', degree=3, gamma='auto', coef0=0.0, shrinking=True, probability=
SVM演算法 K-means的python實現
arg argument of the maximum/minimum arg max f(x): 當f(x)取最大值時，x的取值 arg min f(x)：當f(x)取最小值時，x的取值 s.t.是subject to （such that）的縮
k-means+python︱scikit-learn中的KMeans聚類實現( + MiniBatchKMeans)
CP lan sina QQ mmx 機制 意義 預測 內容 之前一直用R，現在開始學python之後就來嘗試用Python來實現Kmeans。 之前用R來實現kmeans的博客：筆記︱多種常見聚類模型以及分群質量評估（聚類註意事項、使用技巧） 聚類分析在客戶
用python實現K均值演算法
import numpy as np x = np.random.randint(1,60,[30,1]) y = np.zeros(20) k = 3 #1選取資料空間中的K個物件作為初始中心，每個物件代表一個聚類中心； def initcen(x,k): return x[:k]
用Python實現Flickr照片文字資料下載入庫及圖片儲存
語言採用Python，資料庫採用MySQL進行文字資料（照片id，所有者，文字標籤，位置座標，圖片連結）入庫，圖片存放在資料夾。 爬蟲流程： 程式碼如下： #!/usr/bin/python # -*- coding: UTF-8 -*- import req
python用tcp實現區域網內檔案傳輸(文字,圖片,視訊)
功能: 可以利用python建立的TCP客戶端從我們自己搭建的TCP伺服器上下載檔案. 實現需求: 安裝socket模組 簡單瞭解sokcet模組用法 伺服器程式碼如下: import socket def file_deal(file_name): # 定義
K-means演算法及python sklearn實現
目錄 前言 例項推演 K值的確定 輪廓係數 K-means演算法 前言 根據訓練樣本是否包含標籤資訊，機器學習可以分為監督學習和無監督學習。聚類演算法是典型的無監督學習，其訓練樣本中只包含樣本特徵，不包含樣本的標