Chapter 1 : Classification

1.1 Gaussian-Mixture-Models

  • 1.add_sample_class_gmm  功能：把一个训练样本添加到一个高斯混合模型的训练数据上。
  • 2.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。
  • 3. clear_all_class_gmm   功能：清除所有高斯混合模型。
  • 4. clear_class_gmm    功能：清除一个高斯混合模型。
  • 5. clear_samples_class_gmm   功能：清除一个高斯混合模型的训练数据。
  • 6. create_class_gmm 功能：为分类创建一个高斯混合模型。
  • 7.evaluate_class_gmm   功能：通过一个高斯混合模型评价一个特征向量。
  • 8. get_params_class_gmm 功能：返回一个高斯混合模型的参数。
  • 9. 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。
  • 10. get_sample_class_gmm    功能：从一个高斯混合模型的训练数据返回训练样本。
  • 11. get_sample_num_class_gmm    功能：返回存储在一个高斯混合模型的训练数据中的训练样本的数量。
  • 12. read_class_gmm    功能：从一个文件中读取一个高斯混合模型。
  • 13. read_samples_class_gmm    功能：从一个文件中读取一个高斯混合模型的训练数据。
  • 14. train_class_gmm    功能：训练一个高斯混合模型。
  • 15. write_class_gmm    功能：向文件中写入一个高斯混合模型。
  • 16. 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。

1.2 Hyperboxes

  • 1. clear_sampset   功能：释放一个数据集的内存。
  • 2. close_all_class_box   功能：清除所有分类器。
  • 3. close_class_box   功能：清除分类器。
  • 4. create_class_box   功能：创建一个新的分类器。
  • 5. descript_class_box   功能：分类器的描述。
  • 6. enquire_class_box   功能：为一组属性分类。
  • 7. enquire_reject_class_box   功能：为一组带抑制类的属性分类。
  • 8. get_class_box_param   功能：获取关于现在参数的信息。
  • 9. learn_class_box   功能：训练分类器。
  • 10. learn_sampset_box    功能：用数据组训练分类器。
  • 11. read_class_box    功能：从一个文件中读取分类器。
  • 12.read_sampset    功能：从一个文件中读取一个训练数据组。
  • 13. set_class_box_param    功能：为分类器设计系统参数。
  • 14. test_sampset_box    功能：为一组数组分类。
  • 15. write_class_box    功能：在一个文件中保存分类器。

1.3 Neural-Nets

  • 1. add_sample_class_mlp   功能：把一个训练样本添加到一个多层感知器的训练数据中。
  • 2. classify_class_mlp   功能：通过一个多层感知器计算一个特征向量的类。
  • 3. clear_all_class_mlp   功能：清除所有多层感知器。
  • 4. clear_class_mlp   功能：清除一个多层感知器。
  • 5. clear_samples_class_mlp   功能：清除一个多层感知器的训练数据。
  • 6. create_class_mlp   功能：为分类或者回归创建一个多层感知器。
  • 7. 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。
  • 8. get_params_class_mlp   功能：返回一个多层感知器的参数。
  • 9. 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。
  • 10. 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。
  • 11. 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。
  • 12. read_class_mlp    功能：从一个文件中读取一个多层感知器。
  • 13. 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。
  • 14. train_class_mlp、    功能：训练一个多层感知器。
  • 15. write_class_mlp    功能：向一个文件中写入一个多层感知器。
  • 16. 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。

1.4 Support-Vector-Machines

  • 1. add_sample_class_svm   功能：把一个训练样本添加到一个支持向量机的训练数据上。
  • 2. classify_class_svm   功能：通过一个支持向量机为一个特征向量分类。
  • 3. clear_all_class_svm   功能：清除所有支持向量机。
  • 4. clear_class_svm   功能：清除一个支持向量机。
  • 5. clear_samples_class_svm   功能：清除一个支持向量机的训练数据。
  • 6. create_class_svm   功能：为模式分类创建一个支持向量机。
  • 7. get_params_class_svm   功能：返回一个支持向量机的参数。
  • 8. get_prep_info_class_svm   功能：计算一个支持向量机的预处理特征向量的信息内容。
  • 9. get_sample_class_svm   功能：从一个支持向量机的训练数据返回一个训练样本。
  • 10. get_sample_num_class_svm    功能：返回存储在一个支持向量机训练数据中的训练样本的数量。
  • 11. get_support_vector_class_svm    功能：从一个训练过的支持向量机返回一个支持向量的索引。
  • 12. get_support_vector_num_class_svm    功能：返回一个支持向量机的支持向量的数量。
  • 13. read_class_svm    功能：从一个文件中读取一个支持向量机。
  • 14. read_samples_class_svm    功能：从一个文件中读取一个支持向量机的训练数据。
  • 15. reduce_class_svm    功能：为了更快分类，用一个降低的支持向量机近似一个训练过的支持向量机。
  • 16. train_class_svm    功能：训练一个支持向量机。
  • 17. write_class_svm    功能：向一个文件中写入一个支持向量机。
  • 18.write_samples_class_svm    功能：向一个文件中写入一个支持向量机的训练数据。