| Operatoren |
classify_class_knn — Sucht nach den nächsten Nachbarn eines gegebenen Merkmalsvektors.
classify_class_knn sucht die nächsten 'k' Nachbarn zu dem gegebenen Merkmalsvektor in Features. Die Nachbarschaft wird mit Hilfe der L2-Norm zwischen dem gegebenen Merkmalsvektors und den Trainingsbeispielen ermittelt.
Mithilfe von set_params_class_knn können sowohl die Anzahl 'k' der verwendeten Nachbarn, als auch weitere Parameter, die das Verhalten von classify_class_knn steuern, eingestellt werden. Mit der Auswahl der Methode 'method' und 'max_num_classes' in set_params_class_knn können verschiedene Ergebnistypen für classify_class_knn ausgewählt werden:
Ist diese Option gewählt, werden die Klassen der nächsten 'k' Vektoren in Result zurückgegeben und deren Distanz zum Merkmalsvektor in Rating. Es wird allerdings nur das nächste Beispiel für eine Klasse verwendet, und es werden maximal 'max_num_classes' Werte zurückgegeben. In einem k-NN besteht keine effiziente Möglichkeit exakt 'max_num_classes' zu finden.
Ist diese Option gewählt, werden die häufigsten Klassen unter den nächsten 'k' Vektoren zurückgegeben. Die relative Häufigkeit wird in Rating zurückgegeben. Es werden maximal 'max_num_classes' Werte zurückgegeben.
Ist diese Option gewählt, werden die häufigsten Klassen unter den nächsten 'k' Vektoren zurückgegeben allerdings sortiert nach der Häufigkeit gewichtet mit der jeweiligen Distanz zum Merkmalsvektor. Die gewichtete Häufigkeit wird in Rating zurückgegeben als Zahl zwischen 0.0 und 1.0. Es werden maximal 'max_num_classes' Werte zurückgegeben.
Ist diese Option gewählt, werden die nächsten 'k' Nachbarn in Result und deren Distanzen in Rating zurückgegeben. Der Wert von 'max_num_classes' wird hierbei ignoriert.
Im Standardfall gibt classify_class_knn die Klasse und Distanz des nächsten Beispiels zurück (entspricht 'classes_distance').
Handle des k-NN-Klassifikators.
Merkmalsvektor der klassifiziert werden soll.
Ergebnisse der Klassifikation, entweder als Klassen oder Indizes.
Bewertung der Ergebnisse, entweder als Distanzen oder als relative oder gewichtete Häufigkeiten.
Sind die Parameterwerte korrekt, dann liefert classify_class_knn den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
train_class_knn, read_class_knn, set_params_class_knn
create_class_knn, read_class_knn
Marius Muja, David G. Lowe: „Fast Approximate Nearest Neighbors with Automatic Algorithm Configuration“; International Conference on Computer Vision Theory and Applications (VISAPP 09); 2009.
Foundation
| Operatoren |