DBoW2算法原理介绍

中心点初始化方法：
-（1）从输入的点集合中随机选择一个点作为第一个聚类中心；
-（2）对于数据集中的每一个点，计算它与已选择的最近的聚类中心的距离D(x)；
-（3）选择一个新的数据点作为新的聚类中心，选择的原则是：D(x)较大的点，被选为聚类中心的概率较大；
-（4）重复2和3的步骤直到k个聚类中心被选出来；

D(x)到概率上的反应：

• 先从数据库随机挑个随机点当“种子点”
• 对于每个点，计算其和最近的一个“种子点”的距离D(x)并保存在一个数组里，然后把这些距离加起来得到Sum(D(x))。
• 然后，再取一个随机值，用权重的方式来取计算下一个“种子点”。这个算法的实现是，先取一个能落在Sum(D(x))中的随机值Random，然后用Random -= D(x)，直到其<=0，此时的点就是下一个“种子点”。

\\把所有的节点遍历一遍
for(++nit; nit != m_nodes.end(); ++nit)
{
      \\只有节点是字符
      if(nit->isLeaf())
      {
        nit->word_id = m_words.size();
        m_words.push_back( &(*nit) );
      }
}

struct Node 
{
    //在所有节点中的标号
    NodeId id;
    //该节点的权重，该权重为
    //训练的过程中设置的，在得到了树之后，将所有的描述子
    //过一遍树，得到每个单词出现的次数，除以总的描述子数目
    WordValue weight;
    //描述符，为每一类的均值（对于brief描述子，则要对均值进行二值化）
    TDescriptor descriptor;
    //如果是叶节点，则有词汇的id
    WordId word_id;
}