Name
clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm — Löschen aller Trainingsdaten eines Gaussian Mixture Models.
Herror clear_samples_class_gmm(const Hlong GMMHandle)
Herror T_clear_samples_class_gmm(const Htuple GMMHandle)
Herror clear_samples_class_gmm(const HTuple& GMMHandle)
clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm löscht alle in dem Gaussian Mixture
Model (GMM) GMMHandleGMMHandleGMMHandleGMMHandleGMMHandleGMMHandle abgespeicherten Trainingsmuster.
Eine Verwendung von clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm ist nur dann
sinnvoll, wenn das GMM in demselben Prozess trainiert wird, in dem
das GMM auch zur Evaluierung mit evaluate_class_gmmevaluate_class_gmmEvaluateClassGmmevaluate_class_gmmEvaluateClassGmmEvaluateClassGmm oder zur
Klassifikation mit classify_class_gmmclassify_class_gmmClassifyClassGmmclassify_class_gmmClassifyClassGmmClassifyClassGmm verwendet wird. In
diesem Fall kann der durch die Trainingsmuster belegte Speicher mit
clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm wieder freigegeben werden, und somit
Speicherplatz gespart werden. In der üblichen Verwendungsart, in
der das GMM offline trainiert wird und mit write_class_gmmwrite_class_gmmWriteClassGmmwrite_class_gmmWriteClassGmmWriteClassGmm
gespeichert wird, ist die Verwendung von
clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm normalerweise überflüssig, da
write_class_gmmwrite_class_gmmWriteClassGmmwrite_class_gmmWriteClassGmmWriteClassGmm die Trainingsmuster nicht abspeichert, und
somit im Online-Prozess, der das GMM mit read_class_gmmread_class_gmmReadClassGmmread_class_gmmReadClassGmmReadClassGmm
einliest, auch kein Speicher für die Trainingsmuster benötigt wird.
- 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:
Der Wert dieses Parameters darf nicht über mehrere Threads verwendet werden.
Sind die Parameterwerte korrekt, dann liefert
clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird
eine Fehlerbehandlung durchgeführt.
train_class_gmmtrain_class_gmmTrainClassGmmtrain_class_gmmTrainClassGmmTrainClassGmm,
write_samples_class_gmmwrite_samples_class_gmmWriteSamplesClassGmmwrite_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmm
create_class_gmmcreate_class_gmmCreateClassGmmcreate_class_gmmCreateClassGmmCreateClassGmm,
clear_class_gmmclear_class_gmmClearClassGmmclear_class_gmmClearClassGmmClearClassGmm,
add_sample_class_gmmadd_sample_class_gmmAddSampleClassGmmadd_sample_class_gmmAddSampleClassGmmAddSampleClassGmm,
read_samples_class_gmmread_samples_class_gmmReadSamplesClassGmmread_samples_class_gmmReadSamplesClassGmmReadSamplesClassGmm
Foundation