为什么我需要在OpenCV分层集群中指定集群数量

如果我们知道输入数据中的聚类数，我们可以使用k-means算法。然而，如果我们不知道聚类的数量，那么我们可以选择使用分层聚类算法，该算法将根据给定的相似性阈值自动返回聚类的数量。分层聚类有两种选择，即聚集（自下而上）或分裂（自上而下）， . 我想使用OpenCV分层聚类

但是，OpenCVs

HierarchycalClustering

算法将中心作为参数，并使用行数作为所需的聚类数，这与实际的分层聚类不同。对我来说，OpenCV

HierarchycalClustering

与k-means聚类相同。 OpenCV中是否有其他函数可以根据给定的相似性阈值返回簇数

typedef cv::flann::L2<float> D;
float a[] = {0, 0, 0, 0 };

cvflann::Matrix< D::ResultType> centers(a, 2, 2, 0);

const cvflann::KMeansIndexParams params1(
        2,
       100,
       cvflann::flann_centers_init_t::FLANN_CENTERS_RANDOM,
       .2 
);


int number_of_clusters = cvflann::hierarchicalClustering<D> (features,
                                                             centers,
                                                             params1
                                                             );

typedef cv:：flann:：L2 D；
浮点a[]={0,0,0,0}；
cvflann：：矩阵中心（a，2，2，0）；
常量cvflann:：KMeansIndexParams params1(
2.
100,
cvflann:：flann\u centers\u init\u t:：flann\u centers\u RANDOM，
2.
);
int number_of_clusters=cvflann:：HierarchycalClustering（特征，
中心，
参数1
);

---

我们传入的另一个参数是

cb_index=0.2

。它是簇之间距离的阈值，还是作为半径阈值的簇边界。

number\u of\u clusters是簇的实际数目，可以小于中心大小。“中心大小”值是群集数的最大值

再见：

//集群
Mat1f中心（clusterNum，descriptorNum）；
：：cvflann：：KMeansIndexParams kmean_params；
unsigned int resultClusters=HierarchycalClustering（样本、中心、kmean_参数）；
if（结果集群<集群）
{
centers=centers.rowRange（范围（0，resultClusters））；
}
索引法兰索引（中心，KDTreeIndexParams（））；
printf（“结果群集编号：%u\n”，结果群集）；

不是向下投票人，但你到底在寻找什么？我已经为自己更新了问题，我总是得到与中心行数相同的聚类数。

    // clustering
    Mat1f centers(clusterNum, descriptorNum);
    ::cvflann::KMeansIndexParams kmean_params;
    unsigned int resultClusters = hierarchicalClustering< L2<float> >(samples, centers, kmean_params);
    if (resultClusters < clusterNum)
    {
        centers = centers.rowRange(Range(0, resultClusters));
    }
    Index flann_index(centers, KDTreeIndexParams());
    printf("resulted clusters number: %u\n", resultClusters);