HALCON算子函數——Chapter 1 : Classification

http://blog.csdn.net/think_fast/article/details/7011364 

Chapter_1_:Classification

1.1 
Gaussian-Mixture-Models

1.add_sample_class_gmm

功能：把一個訓練樣本添加到一個高斯混合模型的訓練數據上。

2.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。

3.
clear_all_class_gmm

  功能：清除所有高斯混合模型。

4.
clear_class_gmm

  功能：清除一個高斯混合模型。

5.
clear_samples_class_gmm

  功能：清除一個高斯混合模型的訓練數據。

6.
create_class_gmm

功能：為分類創建一個高斯混合模型。

7.evaluate_class_gmm

  功能：通過一個高斯混合模型評價一個特征向量。

8.
get_params_class_gmm

功能：返回一個高斯混合模型的參數。

9.
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。

10.
get_sample_class_gmm

   功能：從一個高斯混合模型的訓練數據返回訓練樣本。

11.
get_sample_num_class_gmm

   功能：返回存儲在一個高斯混合模型的訓練數據中的訓練樣本的數量。

12.
read_class_gmm

   功能：從一個文件中讀取一個高斯混合模型。

13.
read_samples_class_gmm

  
功能：從一個文件中讀取一個高斯混合模型的訓練數據。

14.
train_class_gmm

   功能：訓練一個高斯混合模型。

15.
write_class_gmm

   功能：向文件中寫入一個高斯混合模型。

16.
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。

 

1.2 
Hyperboxes

1. clear_sampset

  功能：釋放一個數據集的內存。

2. close_all_class_box

  功能：清除所有分類器。

3.
close_class_box

  功能：清除分類器。

4.
create_class_box

  功能：創建一個新的分類器。

5.
descript_class_box

  功能：分類器的描述。

6.
enquire_class_box

  功能：為一組屬性分類。

7.
enquire_reject_class_box

  功能：為一組帶抑制類的屬性分類。

8.
get_class_box_param

  功能：獲取關於現在參數的信息。

9.
learn_class_box

  功能：訓練分類器。

10.
learn_sampset_box

   功能：用數據組訓練分類器。

11.
read_class_box

   功能：從一個文件中讀取分類器。

12.read_sampset

   功能：從一個文件中讀取一個訓練數據組。

13.
set_class_box_param

   功能：為分類器設計系統參數。

14.
test_sampset_box

   功能：為一組數組分類。

15.
write_class_box

   功能：在一個文件中保存分類器。

 

1.3 
Neural-Nets

1.
add_sample_class_mlp

  功能：把一個訓練樣本添加到一個多層感知器的訓練數據中。

2.
classify_class_mlp

  功能：通過一個多層感知器計算一個特征向量的類。

3.
clear_all_class_mlp

  功能：清除所有多層感知器。

4.
clear_class_mlp

  功能：清除一個多層感知器。

5.
clear_samples_class_mlp

  功能：清除一個多層感知器的訓練數據。

6.
create_class_mlp

  功能：為分類或者回歸創建一個多層感知器。

7.
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。

8.
get_params_class_mlp

  功能：返回一個多層感知器的參數。

9.
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。

10.
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。

11.
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。

12.
read_class_mlp

   功能：從一個文件中讀取一個多層感知器。

13.
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。

14.
train_class_mlp、

   功能：訓練一個多層感知器。

15.
write_class_mlp

   功能：向一個文件中寫入一個多層感知器。

16.
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。

 

1.4 
Support-Vector-Machines

1.
add_sample_class_svm

  功能：把一個訓練樣本添加到一個支持向量機的訓練數據上。

2.
classify_class_svm

  功能：通過一個支持向量機為一個特征向量分類。

3.
clear_all_class_svm

  功能：清除所有支持向量機。

4.
clear_class_svm

  功能：清除一個支持向量機。

5.
clear_samples_class_svm

  功能：清除一個支持向量機的訓練數據。

6.
create_class_svm

  功能：為模式分類創建一個支持向量機。

7.
get_params_class_svm

  功能：返回一個支持向量機的參數。

8.
get_prep_info_class_svm

  功能：計算一個支持向量機的預處理特征向量的信息內容。

9.
get_sample_class_svm

  功能：從一個支持向量機的訓練數據返回一個訓練樣本。

10.
get_sample_num_class_svm

   功能：返回存儲在一個支持向量機訓練數據中的訓練樣本的數量。

11.
get_support_vector_class_svm

   功能：從一個訓練過的支持向量機返回一個支持向量的索引。

12.
get_support_vector_num_class_svm

   功能：返回一個支持向量機的支持向量的數量。

13.
read_class_svm

   功能：從一個文件中讀取一個支持向量機。

14.
read_samples_class_svm

   功能：從一個文件中讀取一個支持向量機的訓練數據。

15.
reduce_class_svm

  
功能：為了更快分類，用一個降低的支持向量機近似一個訓練過的支持向量機。

16.
train_class_svm

   功能：訓練一個支持向量機。

17.
write_class_svm

   功能：向一個文件中寫入一個支持向量機。

18.write_samples_class_svm

   功能：向一個文件中寫入一個支持向量機的訓練數據。