OpenCV包含随机森林(random forest)类，随机森林可以通过收集很多树的子节点对各个类别的投票，然后选择获得最多投票的类别作为判断结果。通过计算“森林”的所有子节点上的值的平均值来解决回归问题。随机森林包含随机选择的一些决策树。随机森林建立时的基本子系统也是决策树，在建立决策树时会一直继续下去直到数据纯净。如果所有的树都很相似，随机森林就没有很大的作用。为了克服这点，随机森林通过在树

1.     简介         在计算机视觉和机器学习中，对于一个高维特征，找到训练数据中的最近邻计算代价是昂贵的。对于高维特征，目前来说最有效的方法是 the randomized k-d forest和the priority search k-means tree，而对于二值特征的匹配 multiple hierarchical clusteringtrees则比LSH方法更加有

人工神经网络又称神经网络。神经网络是一种学习器，给他一组输入，他会得到一组输出，神经网络里的结点相互连接决定了输入的数据在里面经过怎样的计算。我们可以通过大量的输入，让神经网络调整它自身的连接情况从而总是能够得到我们预期的输出。神经网络对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法，现在已经成功应用到很多领域，例如视觉场景分析，手写字符识别，语音识别、人脸识别等。需要学习的目标