目錄
- Classification
- Gaussian Mixture Models高斯混合模型
- add_class_train_data_gmm
- add_sample_class_gmm
- classify_class_gmm
- clear_class_gmm
- clear_samples_class_gmm
- create_class_gmm
- deserialize_class_gmm
- evaluate_class_gmm
- get_class_train_data_gmm
- get_params_class_gmm
- get_prep_info_class_gmm
- get_sample_class_gmm
- get_sample_num_class_gmm
- read_class_gmm
- read_samples_class_gmm
- select_feature_set_gmm
- serialize_class_gmm
- train_class_gmm
- write_class_gmm
- write_samples_class_gmm
- K-Nearest Neighbors
- add_class_train_data_knn
- add_sample_class_knn
- classify_class_knn
- clear_class_knn
- create_class_knn
- deserialize_class_knn
- get_class_train_data_knn
- get_params_class_knn
- get_sample_class_knn
- get_sample_num_class_knn
- read_class_knn
- select_feature_set_knn
- serialize_class_knn
- set_params_class_knn
- train_class_knn
- write_class_knn
- Look-Up Table查找表
- Misc
- Neural Nets
- add_class_train_data_mlp
- add_sample_class_mlp
- classify_class_mlp
- clear_class_mlp
- clear_samples_class_mlp
- create_class_mlp
- deserialize_class_mlp
- evaluate_class_mlp
- get_class_train_data_mlp
- get_params_class_mlp
- get_prep_info_class_mlp
- get_regularization_params_class_mlp
- get_rejection_params_class_mlp
- get_sample_class_mlp
- get_sample_num_class_mlp
- read_class_mlp
- read_samples_class_mlp
- select_feature_set_mlp
- serialize_class_mlp
- set_regularization_params_class_mlp
- set_rejection_params_class_mlp
- train_class_mlp.
- write_class_mlp
- write_samples_class_mlp
- Support Vector Machines支持向量機
- add_class_train_data_svm
- add_sample_class_svm
- classify_class_svm
- clear_class_svm
- clear_samples_class_svm
- create_class_svm
- deserialize_class_svm
- evaluate_class_svm
- get_class_train_data_svm
- get_params_class_svm
- get_prep_info_class_svm
- get_sample_class_svm
- get_sample_num_class_svm
- get_support_vector_class_svm
- get_support_vector_num_class_svm
- read_class_svm
- read_samples_class_svm
- reduce_class_svm
- select_feature_set_svm
- serialize_class_svm
- train_class_svm
- write_class_svm
- write_samples_class_svm
Classification
Gaussian Mixture Models高斯混合模型
add_class_train_data_gmm
功能:將訓練數據添加到高斯混合模型(GMM)。
add_sample_class_gmm
功能:把一個模型範本添加到一個高斯混合模型的範本數據上。
classify_class_gmm
功能:通過一個高斯混合模型來計算一個特徵向量的類。
clear_class_gmm
功能:清除一個高斯混合模型。
clear_samples_class_gmm
功能:清除一個高斯混合模型的範本數據庫。
create_class_gmm
功能:創建一個高斯混合模型分類。
deserialize_class_gmm
功能:反序列化序列化高斯混合模型。
evaluate_class_gmm
功能:通過一個高斯混合模型評價一個特徵向量。
get_class_train_data_gmm
功能:獲取高斯混合模型(GMM)的訓練數據。
get_params_class_gmm
功能:提取一個高斯混合模型的參數。
get_prep_info_class_gmm
功能:計算一個高斯混合模型的預處理特徵向量的信息內容。
get_sample_class_gmm
功能:從一個高斯混合模型的模型範本。
get_sample_num_class_gmm
功能:返回存儲在一個高斯混合模型的樣品模型的數量。
read_class_gmm
功能:從一個文件中讀取一個高斯混合模型。
read_samples_class_gmm
功能:從一個文件中讀取一個高斯混合模型範本。
select_feature_set_gmm
功能:從一組要素中選擇最佳組合,以對提供的數據進行分類。
serialize_class_gmm
功能:序列化高斯混合模型(GMM)。
train_class_gmm
功能:高斯混合模型的模型範本數據。
write_class_gmm
功能:向文件中寫入一個高斯混合模型。
write_samples_class_gmm
功能:向文件中寫入一個高斯混合模型的訓練數據。
K-Nearest Neighbors
add_class_train_data_knn
功能:將訓練數據添加到k近鄰(k-NN)分類器。
add_sample_class_knn
功能:將樣本添加到k近鄰(k-NN)分類器。
classify_class_knn
功能:搜索給定特徵向量的下一個鄰居。
clear_class_knn
功能:清除k-NN分類器。
create_class_knn
功能:創建k近鄰(k-NN)分類器。
deserialize_class_knn
功能:反序列化序列化的k-NN分類器。
get_class_train_data_knn
功能:獲取k近鄰(k-NN)分類器的訓練數據。
get_params_class_knn
功能:獲取k-NN分類的參數。
get_sample_class_knn
功能:從k近鄰(k-NN)分類器的訓練數據中返回訓練樣本。
get_sample_num_class_knn
功能:返回存儲在k近鄰(k-NN)分類器的訓練數據中的訓練樣本的數量。
read_class_knn
功能:從文件中讀取k-NN分類器。
select_feature_set_knn
功能:從一組要素中選擇最佳子集以解決某個分類問題。
serialize_class_knn
功能:序列化k-NN分類器。
set_params_class_knn
功能:設置k-NN分類的參數。
train_class_knn
功能:爲k-NN分類器創建搜索樹。
write_class_knn
功能:將k-NN分類器保存在文件中。
Look-Up Table查找表
clear_class_lut
功能:清除指定的顏色查找表分類器。
create_class_lut_gmm
功能: 產生一個基於高斯矩陣模型(gmm)的顏色查找表分類器。
create_class_lut_knn
功能:使用k近鄰分類器(k-NN)創建查找表以對字節圖像進行分類。
create_class_lut_mlp
功能:產生一個基於多層感知器(mlp)的顏色查找表分類器。
create_class_lut_svm
功能:產生一個基於矢量(svm)的顏色查找表分類器。
Misc
add_sample_class_train_data
功能:將訓練樣本添加到訓練數據中。
clear_class_train_data
功能:清除分類器的訓練數據。
create_class_train_data
功能:爲分類器創建訓練數據的句柄。
deserialize_class_train_data
功能:反序列化分類器的序列化訓練數據。
get_sample_class_train_data
功能:從訓練數據中返回訓練樣本。
get_sample_num_class_train_data
功能:返回存儲在訓練數據中的訓練樣本數。
read_class_train_data
功能:從文件中讀取分類器的訓練數據。
select_sub_feature_class_train_data
功能:從訓練數據中選擇某些特徵以創建包含較少特徵的訓練數據。
serialize_class_train_data
功能:序列化分類器的訓練數據。
set_feature_lengths_class_train_data
功能:定義訓練數據中的子功能。
write_class_train_data
功能:將分類器的訓練數據保存在文件中。
Neural Nets
add_class_train_data_mlp
功能:將訓練數據添加到多層感知器(MLP)。
add_sample_class_mlp
功能:把一個範本添加到一個多層感知器的範本數據集中。
classify_class_mlp
功能:通過一個多層感知器計算一個特徵向量的類。
clear_class_mlp
功能:清除一個多層感知器。
clear_samples_class_mlp
功能:清除一個多層感知器的訓練數據。
create_class_mlp
功能:爲分類或者回歸創建一個多層感知器。
deserialize_class_mlp
功能:反序列化序列化多層感知器。
evaluate_class_mlp
功能:通過一個多層感知器計算一個特徵向量的評估。
get_class_train_data_mlp
功能:獲取多層感知器(MLP)的訓練數據。
get_params_class_mlp
功能:返回一個多層感知器的參數。
get_prep_info_class_mlp
功能:計算一個多層感知器的預處理特徵向量的信息內容。
get_regularization_params_class_mlp
功能:返回多層感知器的正則化參數。
get_rejection_params_class_mlp
功能:獲取拒絕類的參數。
get_sample_class_mlp
功能:從一個多層感知器的訓練數據返回一個訓練樣本。
get_sample_num_class_mlp
功能:返回存儲在一個多層感知器的訓練數據中的訓練樣本的數量。
read_class_mlp
功能:從一個文件中讀取一個多層感知器。
read_samples_class_mlp
功能:從一個文件中讀取一個多層感知器的訓練數據。
select_feature_set_mlp
功能:選擇最佳功能組合以對提供的數據進行分類。
serialize_class_mlp
功能:序列化多層感知器(MLP)。
set_regularization_params_class_mlp
功能:設置多層感知器的正則化參數。
set_rejection_params_class_mlp
功能:設置拒絕類的參數。
train_class_mlp.
功能:訓練一個多層感知器。
write_class_mlp
功能:向一個文件中寫入一個多層感知器。
write_samples_class_mlp
功能:向一個文件中寫入一個多層感知器的訓練數據。
Support Vector Machines支持向量機
add_class_train_data_svm
功能:將訓練數據添加到支持向量機(SVM)。
add_sample_class_svm
功能:把一個範本添加到一個支持向量機的訓練數據上。
classify_class_svm
功能:通過一個支持向量機爲一個特徵向量分類。
clear_class_svm
功能:清除一個支持向量機。
clear_samples_class_svm
功能:清除一個支持向量機的範本數據。
create_class_svm
功能:爲模式分類創建一個支持向量機。
deserialize_class_svm
功能:反序列化序列化支持向量機(SVM)。
evaluate_class_svm
功能:通過支持向量機評估特徵向量。
get_class_train_data_svm
功能:獲取支持向量機(SVM)的訓練數據。
get_params_class_svm
功能:提取一個支持向量機的參數。
get_prep_info_class_svm
功能:提取一個支持向量機的預處理特徵向量的信息內容。
get_sample_class_svm
功能:提取一個支持向量機的範本。
get_sample_num_class_svm
功能:提取一個支持向量機範本的數量。
get_support_vector_class_svm
功能:提取一個支持向量機中範本的索引。
get_support_vector_num_class_svm
功能:提取一個支持向量機中支持向量的數量。
read_class_svm
功能:從一個文件中讀取一個支持向量機。
read_samples_class_svm
功能:從一個文件中讀取一個支持向量機的範本數據。
reduce_class_svm
功能:根據一個簡化的支持向量機近似一個範本的支持向量機(爲了更快分類)。
select_feature_set_svm
功能:選擇最佳功能組合以對提供的數據進行分類。
serialize_class_svm
功能:序列化支持向量機(SVM)。
train_class_svm
功能:一個支持向量機示範參數。
write_class_svm
功能:向一個文件中寫入一個支持向量機。
write_samples_class_svm
功能:向一個文件中寫入一個支持向量機的示範數據。