使用 KNN 进行词袋分类答案

【问题标题】：Bag of Words Classification Using KNN使用 KNN 进行词袋分类
【发布时间】：2015-05-14 16:44:57
【问题描述】：

我已经计算了用于训练和测试图像的词袋模型。我有 260 个弓矢量（100x1）用于训练图像和 282 个弓矢量（100x1）用于测试图像。我想使用 knn 算法对测试图像进行分类。但是，我不知道如何使用那些弓向量。

【问题讨论】：

你是问如何实现KNN？

标签： matlab image-processing machine-learning computer-vision knn

【解决方案1】：

我假设您想在决策过程中使用 KNN。

为了能够使用 KNN，您需要计算两个向量之间的距离。您可以使用范数来计算距离。幸运的是，如果您有 Statistics and Machine Learning Toolbox，MATLAB 会为我们做这件事。

让 X 是一个向量，它的每一行都是你的 1x100 BOW 向量（它们的转置）。并且 y 是一个向量，它分配每个 BOW 向量的类。例如，如果您想对图像进行分类，无论它们是否包含自行车，您的 y 必须包含有关每个直方图的二进制信息（如果图像中显示自行车：1 或否则：0）。

x = [ - ---- -- - -- -  first histogram;         y = [1;
      - - - ---- -- --  second histogram;             0;
       - ---- - ------  third histogram]              1]

mdl = fitcknn(X,y); %this will be your model.

实际上，我不知道它是否适用于 BOW，因为我总是使用 SVM。所以，祝你好运，如果它有效，请通知我们。

【讨论】：

KNN 是一种有效的机器学习方法，在许多情况下都非常有效。恕我直言，在进入 SVM 之前尝试更简单的 KNN 是明智的，尤其是 KNN 实现起来很简单
是的，你是对的。这个问题发布后我搜索了一下，所以我想，我需要编辑我的答案；但是，我的假设是在 Bag of Words 实现中会有一些误解，因为 BOW 在训练阶段之前使用了 KNN，并且问题不是很清楚。