create_class_train_data(运算符)
名称
create_class_train_data —创建用于分类器训练数据的句柄。
签名
create_class_train_data(::NumDim:ClassTrainDataHandle)
描述
create_class_train_data创建用于分类器训练数据的句柄。该句柄在ClassTrainDataHandle中返回。特征向量的维数由NumDim指定。只能将此长度的特征向量添加到句柄。
并行化
多线程类型:可重入(与非排他运算符并行运行)。
多线程作用域:全局(可以从任何线程调用)。
未经并行处理。
该运算符返回一个句柄。请注意,此句柄类型的实例的状态可以由特定的运算符更改,即使这些运算符将句柄用作输入参数也是如此。
参量
处理训练数据。
示例(HDevelop)
*找出两个功能中的哪一个可以区分两个类别NameFeature1:='良好功能'NameFeature2:='不良功能'LengthFeature1:= 3LengthFeature2:= 2*创建训练数据create_class_train_data(LengthFeature1 + LengthFeature2,\ ClassTrainDataHandle)*定义训练数据中的特征set_feature_lengths_class_train_data(ClassTrainDataHandle,[LengthFeature1,\ LengthFeature2],[NameFeature1,NameFeature2])*添加训练数据* | Feat1 | | Feat2 |add_sample_class_train_data(ClassTrainDataHandle,'row',[1,1,1,2,1],0)add_sample_class_train_data(ClassTrainDataHandle,'row',[2,2,2,2,1],1)add_sample_class_train_data(ClassTrainDataHandle,'row',[1,1,1,3,4],0)add_sample_class_train_data(ClassTrainDataHandle,'row',[2,2,2,3,4],1)add_sample_class_train_data(ClassTrainDataHandle,'row',[0,0,1,5,6],0)add_sample_class_train_data(ClassTrainDataHandle,'row',[2,3,2,5,6],1)add_sample_class_train_data(ClassTrainDataHandle,'row',[0,0,1,5,6],0)add_sample_class_train_data(ClassTrainDataHandle,'row',[2,3,2,5,6],1)add_sample_class_train_data(ClassTrainDataHandle,'row',[0,0,1,5,6],0)add_sample_class_train_data(ClassTrainDataHandle,'row',[2,3,2,5,6],1)*添加更多数据 * ...*使用您选择的分类器选择更好的功能select_feature_set_knn(ClassTrainDataHandle,'greedy',[],[],KNNHandle,\ 选定的功能,分数)select_feature_set_svm(ClassTrainDataHandle,'greedy',[],[],SVMHandle,\ 选定的功能,分数)select_feature_set_mlp(ClassTrainDataHandle,'greedy',[],[],MLPHandle,\ 选定的功能,分数)select_feature_set_gmm(ClassTrainDataHandle,'greedy',[],[],GMMHandle,\ 选定的功能,分数)clear_class_train_data(ClassTrainDataHandle)*使用分类器* ...clear_class_knn(KNNHandle)clear_class_svm(SVMHandle)clear_class_mlp(MLPHandle)clear_class_gmm(GMMHandle)
结果
如果参数有效,则运算符create_class_train_data 返回值2(H_MSG_TRUE)。如有必要,将引发异常。
可能的继任者
add_sample_class_knn, train_class_knn
备择方案
create_class_svm, create_class_mlp
也可以看看
select_feature_set_knn, read_class_knn

