Name
read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm — Lesen von Trainingsdaten einer Support-Vektor-Maschine aus einer
Datei.
read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm liest Trainingsmuster aus der durch
FileNameFileNameFileNameFileNameFileNamefileName gegebenen Datei aus und fügt sie zu der schon in
der Support-Vektor-Maschine (SVM) SVMHandleSVMHandleSVMHandleSVMHandleSVMHandleSVMHandle vorhandenen
Trainingsmustern hinzu. Die SVM muss zuvor mit
create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm erzeugt werden. Wie bei
train_class_svmtrain_class_svmTrainClassSvmtrain_class_svmTrainClassSvmTrainClassSvm und write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvm
beschrieben, können read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm,
add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm und write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvm
dazu verwendet werden, einen großen Datensatz von aus
Trainingsmustern aufzubauen, um somit die Leistung der SVM durch
erneutes Trainieren zu verbessern.
Es ist zu beachten, dass die Trainingsdaten die korrekte
Dimensionalität aufweisen. Die in FileNameFileNameFileNameFileNameFileNamefileName gespeicherten
Merkmalsvektoren und Zielvektoren müssen die Längen
NumFeatures und NumClasses besitzen, die bei
create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm angegeben worden ist. Die
Klassenzugehörigkeit wird aus Kompatibilitätsgründen (siehe
read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlp) als Vektor gespeichert. Falls die
Dimensionen falsch sind, wird eine Fehlermeldung zurückgegeben.
- 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
read_samples_class_svmread_samples_class_svmReadSamplesClassSvmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird
eine Fehlerbehandlung durchgeführt.
create_class_svmcreate_class_svmCreateClassSvmcreate_class_svmCreateClassSvmCreateClassSvm
train_class_svmtrain_class_svmTrainClassSvmtrain_class_svmTrainClassSvmTrainClassSvm
add_sample_class_svmadd_sample_class_svmAddSampleClassSvmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvm
write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvm,
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvm
Foundation