/// <summary>
///
/// </summary>
/// <param name="clusterCount"></param>
/// <param name="termcrit"></param>
/// <param name="attempts"></param>
/// <param name="flags"></param>
public BOWKMeansTrainer(int clusterCount, TermCriteria?termcrit = null,
int attempts = 3, KMeansFlag flags = KMeansFlag.PpCenters)
{
var termCritValue = termcrit.GetValueOrDefault(new TermCriteria());
ptr = NativeMethods.features2d_BOWKMeansTrainer_new(clusterCount, termCritValue, attempts, (int)flags);
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="cluster_count">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="_centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="cluster_count">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="_centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#endif
public static int KMeans2(CvArr samples, int cluster_count, CvArr labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr _centers, out double compactness)
{
if (samples == null)
throw new ArgumentNullException("samples");
if (labels == null)
throw new ArgumentNullException("labels");
if (rng == null)
{
rng = new CvRNG();
}
IntPtr centersPtr = (_centers != null) ? _centers.CvPtr : IntPtr.Zero;
UInt64 rngValue = rng.Seed;
int result = CvInvoke.cvKMeans2(samples.CvPtr, cluster_count, labels.CvPtr, termcrit, attemps, ref rngValue, flag, centersPtr, out compactness);
rng.Seed = rngValue;
return result;
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="cluster_count">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="_centers"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="cluster_count">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="_centers"></param>
/// <returns></returns>
#endif
public static int KMeans2(CvArr samples, int cluster_count, CvArr labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr _centers)
{
double compactness;
return KMeans2(samples, cluster_count, labels, termcrit, attemps, rng, flag, _centers, out compactness);
}
/// <summary>
/// clusters the input data using k-Means algorithm
/// </summary>
/// <param name="data"></param>
/// <param name="k"></param>
/// <param name="bestLabels"></param>
/// <param name="criteria"></param>
/// <param name="attempts"></param>
/// <param name="flags"></param>
/// <param name="centers"></param>
/// <returns></returns>
public static double Kmeans(InputArray data, int k, InputOutputArray bestLabels,
TermCriteria criteria, int attempts, KMeansFlag flags, OutputArray centers = null)
{
if (data == null)
throw new ArgumentNullException("data");
if (bestLabels == null)
throw new ArgumentNullException("bestLabels");
data.ThrowIfDisposed();
bestLabels.ThrowIfDisposed();
double ret = NativeMethods.core_kmeans(data.CvPtr, k, bestLabels.CvPtr, criteria, attempts, (int)flags, ToPtr(centers));
bestLabels.Fix();
if(centers != null)
centers.Fix();
return ret;
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#endif
public static int KMeans2(Array samples, MatrixType samplesType, int clusterCount, int[] labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr centers, out double compactness)
{
if (samples == null)
{
throw new ArgumentNullException("samples");
}
using (CvMat samplesMat = new CvMat(labels.Length, 1, samplesType, samples, false))
using (CvMat labelsMat = new CvMat(labels.Length, 1, MatrixType.S32C1, labels, false))
{
return(KMeans2(samplesMat, clusterCount, labelsMat, termcrit, attemps, rng, flag, centers, out compactness));
}
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <returns></returns>
#endif
public static int KMeans2(Array samples, MatrixType samplesType, int clusterCount, int[] labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr centers)
{
double compactness;
return(KMeans2(samples, samplesType, clusterCount, labels, termcrit, attemps, rng, flag, centers, out compactness));
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#endif
public static int KMeans2(CvArr samples, int clusterCount, CvArr labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr centers, out double compactness)
{
if (samples == null)
{
throw new ArgumentNullException("samples");
}
if (labels == null)
{
throw new ArgumentNullException("labels");
}
if (rng == null)
{
rng = new CvRNG();
}
IntPtr centersPtr = (centers != null) ? centers.CvPtr : IntPtr.Zero;
UInt64 rngValue = rng.Seed;
int result = NativeMethods.cvKMeans2(samples.CvPtr, clusterCount, labels.CvPtr, termcrit, attemps, ref rngValue, flag, centersPtr, out compactness);
rng.Seed = rngValue;
KeepAlive(samples, labels, centers);
return(result);
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <returns></returns>
#endif
public static int KMeans2(CvArr samples, int clusterCount, CvArr labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag)
{
double compactness;
return(KMeans2(samples, clusterCount, labels, termcrit, attemps, rng, flag, null, out compactness));
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <param name="compactness"></param>
/// <returns></returns>
#endif
public static int KMeans2(Array samples, MatrixType samplesType, int clusterCount, int[] labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr centers, out double compactness)
{
if (samples == null)
throw new ArgumentNullException("samples");
using (CvMat samplesMat = new CvMat(labels.Length, 1, samplesType, samples, false))
using (CvMat labelsMat = new CvMat(labels.Length, 1, MatrixType.S32C1, labels, false))
{
return KMeans2(samplesMat, clusterCount, labelsMat, termcrit, attemps, rng, flag, centers, out compactness);
}
}
/// <summary>
/// ベクトル集合を，与えられたクラスタ数に分割する.
/// 入力サンプルを各クラスタに分類するために cluster_count 個のクラスタの中心を求める k-means 法を実装する．
/// 出力 labels(i) は，配列 samples のi番目の行のサンプルが属するクラスタのインデックスを表す．
/// </summary>
/// <param name="samples">浮動小数点型の入力サンプル行列．1行あたり一つのサンプル.</param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">集合を分割するクラスタ数</param>
/// <param name="labels">出力の整数ベクトル．すべてのサンプルについて，それぞれがどのクラスタに属しているかが保存されている.</param>
/// <param name="termcrit">最大繰り返し数と(または)，精度（1ループでの各クラスタ中心位置移動距離）の指定</param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <returns></returns>
#else
/// <summary>
/// Splits set of vectors by given number of clusters
/// </summary>
/// <param name="samples">Floating-point matrix of input samples, one row per sample. </param>
/// <param name="samplesType"></param>
/// <param name="clusterCount">Number of clusters to split the set by. </param>
/// <param name="labels">Output integer vector storing cluster indices for every sample. </param>
/// <param name="termcrit">Specifies maximum number of iterations and/or accuracy (distance the centers move by between the subsequent iterations). </param>
/// <param name="attemps"></param>
/// <param name="rng"></param>
/// <param name="flag"></param>
/// <param name="centers"></param>
/// <returns></returns>
#endif
public static int KMeans2(Array samples, MatrixType samplesType, int clusterCount, int[] labels, CvTermCriteria termcrit, int attemps, CvRNG rng, KMeansFlag flag, CvArr centers)
{
double compactness;
return KMeans2(samples, samplesType, clusterCount, labels, termcrit, attemps, rng, flag, centers, out compactness);
}