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
  • • • • clear_class_lut
        • create_class_lut_gmm
        • create_class_lut_knn
        • create_class_lut_mlp
        • create_class_lut_svm
  • Misc
  • • • • add_sample_class_train_data
        • clear_class_train_data
        • create_class_train_data
        • deserialize_class_train_data
        • get_sample_class_train_data
        • get_sample_num_class_train_data
        • read_class_train_data
        • select_sub_feature_class_train_data
        • serialize_class_train_data
        • set_feature_lengths_class_train_data
        • write_class_train_data
  • 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：把一個模型范本添加到一個高斯混合模型的范本數據上。

classify_class_gmm

功能：通過一個高斯混合模型來計算一個特征向量的類。

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范本數據庫。

create_class_gmm

功能：創(chuàng)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征向量。

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征向量的信息內容。

get_sample_class_gmm

功能：從一個高斯混合模型的模型范本。

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范本。

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范本數據。

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：搜索給定特征向量的下一個鄰居。

clear_class_knn

功能：清除k-NN分類器。

create_class_knn

功能：創(chuàng)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：為k-NN分類器創(chuàng)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： 產生一個基于高斯矩陣模型（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(chuàng)建查找表以對字節(jié)圖像進行分類。

create_class_lut_mlp

功能：產生一個基于多層感知器（mlp）的顏色查找表分類器。

create_class_lut_svm

功能：產生一個基于矢量（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：為分類器創(chuàng)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征以創(chuàng)建包含較少特征的訓練數據。

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：把一個范本添加到一個多層感知器的范本數據集中。

classify_class_mlp

功能：通過一個多層感知器計算一個特征向量的類。

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：為分類或者回歸創(chuàng)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征向量的評估。

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征向量的信息內容。

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：把一個范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為一個特征向量分類。

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范本數據。

create_class_svm

功能：為模式分類創(chuàng)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征向量。

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征向量的信息內容。

get_sample_class_svm

功能：提取一個支持向量機的范本。

get_sample_num_class_svm

功能：提取一個支持向量機范本的數量。

get_support_vector_class_svm

功能：提取一個支持向量機中范本的索引。

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范本數據。

reduce_class_svm

功能：根據一個簡化的支持向量機近似一個范本的支持向量機（為了更快分類）。

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：一個支持向量機示范參數。

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范數據。

總結

以上是生活随笔為你收集整理的Classification分类halcon算子，持续更新的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。