目录
- 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支持向量机
- 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: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。