Classification

Gaussian Mixture Models高斯混合模型

add_class_train_data_gmm

功能：将训练数据添加到高斯混合模型（GMM）。

add_sample_class_gmm

功能：把一个模型范本添加到一个高斯混合模型的范本数据上。

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。

clear_class_gmm

功能：清除一个高斯混合模型。

clear_samples_class_gmm

功能：清除一个高斯混合模型的范本数据库。

create_class_gmm

功能：创建一个高斯混合模型分类。

deserialize_class_gmm

功能：反序列化序列化高斯混合模型。

evaluate_class_gmm

功能：通过一个高斯混合模型评价一个特征向量。

get_class_train_data_gmm

功能：获取高斯混合模型（GMM）的训练数据。

get_params_class_gmm

功能：提取一个高斯混合模型的参数。

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。

get_sample_class_gmm

功能：从一个高斯混合模型的模型范本。

get_sample_num_class_gmm

功能：返回存储在一个高斯混合模型的样品模型的数量。

read_class_gmm

功能：从一个文件中读取一个高斯混合模型。

read_samples_class_gmm

功能：从一个文件中读取一个高斯混合模型范本。

select_feature_set_gmm

功能：从一组要素中选择最佳组合，以对提供的数据进行分类。

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数据。

write_class_gmm

功能：向文件中写入一个高斯混合模型。

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。

K-Nearest Neighbors

add_class_train_data_knn

功能：将训练数据添加到k近邻（k-NN）分类器。

add_sample_class_knn

功能：将样本添加到k近邻（k-NN）分类器。

classify_class_knn

功能：搜索给定特征向量的下一个邻居。

clear_class_knn

功能：清除k-NN分类器。

create_class_knn

功能：创建k近邻（k-NN）分类器。

deserialize_class_knn

功能：反序列化序列化的k-NN分类器。

get_class_train_data_knn

功能：获取k近邻（k-NN）分类器的训练数据。

get_params_class_knn

功能：获取k-NN分类的参数。

get_sample_class_knn

功能：从k近邻（k-NN）分类器的训练数据中返回训练样本。

get_sample_num_class_knn

功能：返回存储在k近邻（k-NN）分类器的训练数据中的训练样本的数量。

read_class_knn

功能：从文件中读取k-NN分类器。

select_feature_set_knn

功能：从一组要素中选择最佳子集以解决某个分类问题。

serialize_class_knn

功能：序列化k-NN分类器。

set_params_class_knn

功能：设置k-NN分类的参数。

train_class_knn

功能：为k-NN分类器创建搜索树。

write_class_knn

功能：将k-NN分类器保存在文件中。

Look-Up Table查找表

clear_class_lut

功能：清除指定的颜色查找表分类器。

create_class_lut_gmm

功能： 产生一个基于高斯矩阵模型（gmm）的颜色查找表分类器。

create_class_lut_knn

功能：使用k近邻分类器（k-NN）创建查找表以对字节图像进行分类。

create_class_lut_mlp

功能：产生一个基于多层感知器（mlp）的颜色查找表分类器。

create_class_lut_svm

功能：产生一个基于矢量（svm）的颜色查找表分类器。

Misc

add_sample_class_train_data

功能：将训练样本添加到训练数据中。

clear_class_train_data

功能：清除分类器的训练数据。

create_class_train_data

功能：为分类器创建训练数据的句柄。

deserialize_class_train_data

功能：反序列化分类器的序列化训练数据。

get_sample_class_train_data

功能：从训练数据中返回训练样本。

get_sample_num_class_train_data

功能：返回存储在训练数据中的训练样本数。

read_class_train_data

功能：从文件中读取分类器的训练数据。

select_sub_feature_class_train_data

功能：从训练数据中选择某些特征以创建包含较少特征的训练数据。

serialize_class_train_data

功能：序列化分类器的训练数据。

set_feature_lengths_class_train_data

功能：定义训练数据中的子功能。

write_class_train_data

功能：将分类器的训练数据保存在文件中。

Neural Nets

add_class_train_data_mlp

功能：将训练数据添加到多层感知器（MLP）。

add_sample_class_mlp

功能：把一个范本添加到一个多层感知器的范本数据集中。

classify_class_mlp

功能：通过一个多层感知器计算一个特征向量的类。

clear_class_mlp

功能：清除一个多层感知器。

clear_samples_class_mlp

功能：清除一个多层感知器的训练数据。

create_class_mlp

功能：为分类或者回归创建一个多层感知器。

deserialize_class_mlp

功能：反序列化序列化多层感知器。

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。

get_class_train_data_mlp

功能：获取多层感知器（MLP）的训练数据。

get_params_class_mlp

功能：返回一个多层感知器的参数。

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。

get_regularization_params_class_mlp

功能：返回多层感知器的正则化参数。

get_rejection_params_class_mlp

功能：获取拒绝类的参数。

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。

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。

read_class_mlp

功能：从一个文件中读取一个多层感知器。

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。

select_feature_set_mlp

功能：选择最佳功能组合以对提供的数据进行分类。

serialize_class_mlp

功能：序列化多层感知器（MLP）。

set_regularization_params_class_mlp

功能：设置多层感知器的正则化参数。

set_rejection_params_class_mlp

功能：设置拒绝类的参数。

train_class_mlp.

功能：训练一个多层感知器。

write_class_mlp

功能：向一个文件中写入一个多层感知器。

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。

Support Vector Machines支持向量机

add_class_train_data_svm

功能：将训练数据添加到支持向量机（SVM）。

add_sample_class_svm

功能：把一个范本添加到一个支持向量机的训练数据上。

classify_class_svm

功能：通过一个支持向量机为一个特征向量分类。

clear_class_svm

功能：清除一个支持向量机。

clear_samples_class_svm

功能：清除一个支持向量机的范本数据。

create_class_svm

功能：为模式分类创建一个支持向量机。

deserialize_class_svm

功能：反序列化序列化支持向量机（SVM）。

evaluate_class_svm

功能：通过支持向量机评估特征向量。

get_class_train_data_svm

功能：获取支持向量机（SVM）的训练数据。

get_params_class_svm

功能：提取一个支持向量机的参数。

get_prep_info_class_svm

功能：提取一个支持向量机的预处理特征向量的信息内容。

get_sample_class_svm

功能：提取一个支持向量机的范本。

get_sample_num_class_svm

功能：提取一个支持向量机范本的数量。

get_support_vector_class_svm

功能：提取一个支持向量机中范本的索引。

get_support_vector_num_class_svm

功能：提取一个支持向量机中支持向量的数量。

read_class_svm

功能：从一个文件中读取一个支持向量机。

read_samples_class_svm

功能：从一个文件中读取一个支持向量机的范本数据。

reduce_class_svm

功能：根据一个简化的支持向量机近似一个范本的支持向量机（为了更快分类）。

select_feature_set_svm

功能：选择最佳功能组合以对提供的数据进行分类。

serialize_class_svm

功能：序列化支持向量机（SVM）。

train_class_svm

功能：一个支持向量机示范参数。

write_class_svm

功能：向一个文件中写入一个支持向量机。

write_samples_class_svm

功能：向一个文件中写入一个支持向量机的示范数据。