1.1 Gaussian-Mixture-Models
1.add_sample_class_gmm
功能：把一个训练样本添加到一个高斯混合模型的训练数据上。
2.classify_class_gmm
功能：通过一个高斯混合模型来计算一个特征向量的类。
\3. clear_all_class_gmm
功能：清除所有高斯混合模型。
\4. clear_class_gmm
功能：清除一个高斯混合模型。
\5. clear_samples_class_gmm
功能：清除一个高斯混合模型的训练数据。
\6. create_class_gmm
功能：为分类创建一个高斯混合模型。
7.evaluate_class_gmm
功能：通过一个高斯混合模型评价一个特征向量。
\8. get_params_class_gmm
功能：返回一个高斯混合模型的参数。
\9. get_prep_info_class_gmm
功能：计算一个高斯混合模型的预处理特征向量的信息内容。
\10. get_sample_class_gmm
功能：从一个高斯混合模型的训练数据返回训练样本。
\11. get_sample_num_class_gmm
功能：返回存储在一个高斯混合模型的训练数据中的训练样本的数量。
\12. read_class_gmm
功能：从一个文件中读取一个高斯混合模型。
\13. read_samples_class_gmm
功能：从一个文件中读取一个高斯混合模型的训练数据。
\14. train_class_gmm
功能：训练一个高斯混合模型。
\15. write_class_gmm
功能：向文件中写入一个高斯混合模型。
\16. write_samples_class_gmm
功能：向文件中写入一个高斯混合模型的训练数据。
1.2 Hyperboxes
\1. clear_sampset
高斯混合模型
分类
功能：释放一个数据集的内存。
\2. close_all_class_box
功能：清除所有分类器。
\3. close_class_box
功能：清除分类器。
\4. create_class_box
功能：创建一个新的分类器。
\5. descript_class_box
功能：分类器的描述。
\6. enquire_class_box
功能：为一组属性分类。
\7. enquire_reject_class_box
功能：为一组带抑制类的属性分类。
\8. get_class_box_param
功能：获取关于现在参数的信息。
\9. learn_class_box
功能：训练分类器。
\10. learn_sampset_box
功能：用数据组训练分类器。
\11. read_class_box
功能：从一个文件中读取分类器。
12.read_sampset
功能：从一个文件中读取一个训练数据组。
\13. set_class_box_param
功能：为分类器设计系统参数。
\14. test_sampset_box
功能：为一组数组分类。
\15. write_class_box
功能：在一个文件中保存分类器。
1.3 Neural-Nets
\1. add_sample_class_mlp
功能：把一个训练样本添加到一个多层感知器的训练数据中。
\2. classify_class_mlp
功能：通过一个多层感知器计算一个特征向量的类。
\3. clear_all_class_mlp
功能：清除所有多层感知器。
\4. clear_class_mlp
功能：清除一个多层感知器。
\5. clear_samples_class_mlp
功能：清除一个多层感知器的训练数据。
\6. create_class_mlp
功能：为分类或者回归创建一个多层感知器。
\7. evaluate_class_mlp
功能：通过一个多层感知器计算一个特征向量的评估。
\8. get_params_class_mlp
功能：返回一个多层感知器的参数。
\9. get_prep_info_class_mlp
功能：计算一个多层感知器的预处理特征向量的信息内容。
\10. get_sample_class_mlp
功能：从一个多层感知器的训练数据返回一个训练样本。
\11. get_sample_num_class_mlp
功能：返回存储在一个多层感知器的训练数据中的训练样本的数量。
\12. read_class_mlp
功能：从一个文件中读取一个多层感知器。
\13. read_samples_class_mlp
功能：从一个文件中读取一个多层感知器的训练数据。
\14. train_class_mlp、
功能：训练一个多层感知器。
\15. write_class_mlp
功能：向一个文件中写入一个多层感知器。
\16. write_samples_class_mlp
功能：向一个文件中写入一个多层感知器的训练数据。
1.4 Support-Vector-Machines
\1. add_sample_class_svm
功能：把一个训练样本添加到一个支持向量机的训练数据上。
\2. classify_class_svm
功能：通过一个支持向量机为一个特征向量分类。
\3. clear_all_class_svm
功能：清除所有支持向量机。
\4. clear_class_svm
功能：清除一个支持向量机。
\5. clear_samples_class_svm
功能：清除一个支持向量机的训练数据。
\6. create_class_svm
功能：为模式分类创建一个支持向量机。
\7. get_params_class_svm
功能：返回一个支持向量机的参数。
\8. get_prep_info_class_svm
功能：计算一个支持向量机的预处理特征向量的信息内容。
\9. get_sample_class_svm
功能：从一个支持向量机的训练数据返回一个训练样本。
\10. get_sample_num_class_svm
功能：返回存储在一个支持向量机训练数据中的训练样本的数量。
\11. get_support_vector_class_svm
功能：从一个训练过的支持向量机返回一个支持向量的索引。
\12. get_support_vector_num_class_svm
功能：返回一个支持向量机的支持向量的数量。
\13. read_class_svm
功能：从一个文件中读取一个支持向量机。
\14. read_samples_class_svm
功能：从一个文件中读取一个支持向量机的训练数据。
\15. reduce_class_svm
功能：为了更快分类，用一个降低的支持向量机近似一个训练过的支持向量机。
\16. train_class_svm
功能：训练一个支持向量机。
\17. write_class_svm
功能：向一个文件中写入一个支持向量机。
18.write_samples_class_svm
功能：向一个文件中写入一个支持向量机的训练数据。
6053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
