第七章 Classifaction,分类
7.1 高斯混合模型,Gaussian Mixture Models
操作符列表
add_class_train_data_gmm
将训练数据添加到高斯混合模型(GMM)。
add_sample_class_gmm
在高斯混合模型的训练数据中添加一个训练样本。
classify_class_gmm
用高斯混合模型计算特征向量的类别。
clear_class_gmm
清除高斯混合模型。
clear_samples_class_gmm
清除高斯混合模型的训练数据。
create_class_gmm
创建用于分类的高斯混合模型。
deserialize_class_gmm
反序列化高斯混合模型。
evaluate_class_gmm
用高斯混合模型评估特征向量。
get_class_train_data_gmm
得到高斯混合模型(GMM)的训练数据。
get_params_class_gmm
返回高斯混合模型的参数。
get_prep_info_class_gmm
计算预处理后的GMM特征向量的信息含量。
get_sample_class_gmm
从高斯混合模型(GMM)的训练数据返回一个训练样本。
get_sample_num_class_gmm
返回高斯混合模型(GMM)的训练数据中存储的训练样本数。
read_class_gmm
从文件中读取高斯混合模型。
read_samples_class_gmm
从文件中读取高斯混合模型的训练数据。
select_feature_set_gmm
从一组特征中选择最优组合对提供的数据进行分类。
serialize_class_gmm
序列化高斯混合模型(GMM)。
train_class_gmm
训练一个高斯混合模型。
write_class_gmm
写一个高斯混合模型到一个文件。
write_samples_class_gmm
将高斯混合模型的训练数据写入文件。
7.2 最近邻,K-Nearest Neighbors
操作符列表
add_class_train_data_knn
将训练数据添加到k近邻(k-NN)分类器中。
add_sample_class_knn
将样本添加到k近邻(k-NN)分类器中。
classify_class_knn
为给定的特征向量搜索下一个邻居。
clear_class_knn
清除一个k-NN分类器。
create_class_knn
创建一个k近邻(k-NN)分类器。
deserialize_class_knn
反序列化序列化的k-NN分类器。
get_class_train_data_knn
得到k近邻(k-NN)分类器的训练数据。
get_params_class_knn
得到k-NN分类的参数。
get_sample_class_knn
从k近邻(k-NN)分类器的训练数据中返回一个训练样本。
get_sample_num_class_knn
返回k-近邻(k-NN)分类器训练数据中存储的训练样本数。
read_class_knn
从文件中读取k-NN分类器。
select_feature_set_knn
从一组特征中选择一个最优子集来解决某个分类问题。
serialize_class_knn
序列化一个k-NN分类器。
set_params_class_knn
设置k-NN分类参数。
train_class_knn
为k-NN分类器创建搜索树。
write_class_knn
将k-NN分类器保存在文件中。
7.3 查表,Look-Up Table
操作符列表
清除查找表分类器。
create_class_lut_gmm
使用高斯混合模型创建一个查找表来对字节图像进行分类。
create_class_lut_knn
使用k近邻分类器(k-NN)创建一个查找表来对字节图像进行分类。
create_class_lut_mlp
使用多层感知器创建一个查找表来对字节图像进行分类。
create_class_lut_svm
使用Support-Vector-Machine创建一个查找表来对字节图像进行分类。
7.4 混合,Misc
操作符列表
add_sample_class_train_data
向训练数据中添加训练样本。
clear_class_train_data
清除分类器的训练数据。
create_class_train_data
为分类器的训练数据创建句柄。
deserialize_class_train_data
反序列化分类器的序列化训练数据。
get_sample_class_train_data
从训练数据返回一个训练样本。
get_sample_num_class_train_data
返回存储在训练数据中的训练样本的个数。
read_class_train_data
从文件中读取分类器的训练数据。
select_sub_feature_class_train_data
从训练数据中选择某些特征来创建包含较少特征的训练数据。
serialize_class_train_data
序列化分类器的训练数据。
set_feature_lengths_class_train_data
在训练数据中定义子特征。
write_class_train_data
将分类器的训练数据保存在一个文件中。
7.5 神经网络,Neural Nets
操作符列表
add_class_train_data_mlp
将训练数据添加到多层感知器(MLP)中。
add_sample_class_mlp
向多层感知机的训练数据中添加一个训练样本。
classify_class_mlp
用多层感知器计算特征向量的类别。
clear_class_mlp
清除一个多层感知器。
clear_samples_class_mlp
清除多层感知器的训练数据。
create_class_mlp
创建用于分类或回归的多层感知器。
deserialize_class_mlp
反序列化序列化多层感知器。
evaluate_class_mlp
通过多层感知器计算特征向量的评估。
get_class_train_data_mlp
得到多层感知器(MLP)的训练数据。
get_params_class_mlp
返回多层感知器的参数。
get_prep_info_class_mlp
计算多层感知器的预处理特征向量的信息内容。
get_regularization_params_class_mlp
返回多层感知器的正则化参数。
get_rejection_params_class_mlp
获取拒绝类的参数。
get_sample_class_mlp
从多层感知机的训练数据中返回一个训练样本。
get_sample_num_class_mlp
返回多层感知机训练数据中存储的训练样本个数。
read_class_mlp
从文件中读取多层感知器。
read_samples_class_mlp
从文件中读取多层感知器的训练数据。
select_feature_set_mlp
选择最优的特征组合对提供的数据进行分类。
serialize_class_mlp
序列化多层感知器(MLP)。
set_regularization_params_class_mlp
设置多层感知器的正则化参数。
set_rejection_params_class_mlp
设置拒绝类参数。
train_class_mlp
训练一个多层感知器。
write_class_mlp
将多层感知器写入文件。
write_samples_class_mlp
将多层感知器的训练数据写入文件。
7.6 支持向量机,Support Vector Machines
操作符列表
add_class_train_data_svm
将训练数据添加到支持向量机(SVM)。
add_sample_class_svm
向支持向量机的训练数据中添加一个训练样本。
classify_class_svm
用支持向量机对特征向量进行分类。
clear_class_svm
清除支持向量机。
clear_samples_class_svm
清除支持向量机的训练数据。
create_class_svm
创建用于模式分类的支持向量机。
deserialize_class_svm
反序列化序列化支持向量机。
evaluate_class_svm
用支持向量机计算特征向量。
get_class_train_data_svm
获取支持向量机(SVM)的训练数据。
get_params_class_svm
返回支持向量机的参数。
get_prep_info_class_svm
计算支持向量机预处理后的特征向量的信息量。
get_sample_class_svm
从支持向量机的训练数据中返回一个训练样本。
get_sample_num_class_svm
返回支持向量机训练数据中存储的训练样本个数。
get_support_vector_class_svm
从训练好的支持向量机返回支持向量的索引。
get_support_vector_num_class_svm
返回支持向量机的支持向量个数。
read_class_svm
从文件中读取支持向量机。
read_samples_class_svm
从文件中读取支持向量机的训练数据。
reduce_class_svm
通过约简支持向量机逼近训练好的支持向量机,实现更快的分类。
select_feature_set_svm
选择最优的特征组合对提供的数据进行分类。
serialize_class_svm
序列化支持向量机(SVM)。
train_class_svm
训练一个支持向量机。
write_class_svm
将支持向量机写入文件。
write_samples_class_svm
将支持向量机的训练数据写入文件。