OpenCV机器学习概观、资源、实现

作为当前最热门的图像处理+计算机视觉C++开源程序库之一，OpenCV的功能自然越来越强大，由于一系列核心算法需要机器学习方法的介入，OpenCV即使的包含了一些常用的机器学习方法实现。

对OpenCV的机器学习相关实现，概括如下：

(1).朴素贝叶斯分类器，实现类：CvNormalBayesClassifier

(2).K近邻分类器，实现类：CvKNearest

(3).支持向量机分类器，实现类：CvSVM

(4).期望最大化EM分类器，实现类：EM

(4).决策树分类器，实现类：CvDTree

(5).随机森林分类器，实现类：CvRTrees。另有Extremely randomized trees Classifier，不知道是怎么Extremely randomized的。

(6).boost分类器：实现类：CvBoost+CvBoost

(7).梯度boost分类器，实现类：CvGBTrees。

(8).人工神经网络分类器，实现类：CvANN_MLP

需要说明的是，以上介绍的只是算法，所谓巧妇难为无米之炊，你在会做饭（有好算法），但是没米也不行，CvMLData类则实现了对数据的整理和清洗，洗干净等她做饭。

以下是用dot生成的机器学习类继承图：



为了方便查阅OpenCV代码，特地使用doxygen生成了core和ml模块的代码文档，文件格式为.chm。已经上传到本人的csdn资源页面。共3个压缩分卷文件.

======================