clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm (Operator)

Name

clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm — Löschen aller Trainingsdaten einer Support-Vektor-Maschine.

Signatur

clear_samples_class_svm( : : SVMHandle : )

clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm löscht alle mit add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm oder read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm zur Support-Vektor-Maschine (SVM) SVMHandleSVMHandleSVMHandleSVMHandleSVMHandleSVMHandle hinzugefügten Trainingsmuster. Eine Verwendung von clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm ist nur dann sinnvoll, wenn die SVM in demselben Prozess trainiert wird, in dem die SVM auch zur Klassifikation mit classify_class_svmclassify_class_svmClassifyClassSvmclassify_class_svmClassifyClassSvmClassifyClassSvm verwendet wird. In diesem Fall kann der durch die Trainingsmuster belegte Speicher mit clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm wieder freigegeben werden und somit Speicherplatz gespart werden. In der üblichen Verwendungsart, in der die SVM offline trainiert wird und mit write_class_svmwrite_class_svmWriteClassSvmwrite_class_svmWriteClassSvmWriteClassSvm gespeichert wird, ist die Verwendung von clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm normalerweise überflüssig, da write_class_svmwrite_class_svmWriteClassSvmwrite_class_svmWriteClassSvmWriteClassSvm die Trainingsmuster nicht abspeichert, und somit im Online-Prozess, der die SVM mit read_class_svmread_class_svmReadClassSvmread_class_svmReadClassSvmReadClassSvm einliest, auch kein Speicher für die Trainingsmuster benötigt wird.

Parallelisierung

Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
Wird ohne Parallelisierung verarbeitet.

Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:

SVMHandleSVMHandleSVMHandleSVMHandleSVMHandleSVMHandle

Der Wert dieses Parameters darf nicht über mehrere Threads verwendet werden.

Parameter

SVMHandleSVMHandleSVMHandleSVMHandleSVMHandleSVMHandle (input_control, Zustand wird modifiziert) class_svm(-array) → (integer)

Handle der SVM.

Ergebnis

Sind die Parameterwerte korrekt, liefert clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

train_class_svmtrain_class_svmTrainClassSvmtrain_class_svmTrainClassSvmTrainClassSvm, write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvm

Siehe auch

create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm, clear_class_svmclear_class_svmClearClassSvmclear_class_svmClearClassSvmClearClassSvm, add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm, read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm

Modul

Foundation

Operatoren