add_sample_class_svmT_add_sample_class_svmAddSampleClassSvmAddSampleClassSvm (Operator)

Name

add_sample_class_svmT_add_sample_class_svmAddSampleClassSvmAddSampleClassSvm — Hinzufügen eines Trainingsmusters zu den Trainingsdaten einer Support-Vektor-Maschine.

Signatur

Beschreibung

add_sample_class_svmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvmAddSampleClassSvm fügt ein Trainingsmuster zu der durch SVMHandleSVMHandleSVMHandleSVMHandleSVMHandle gegebenen Support-Vektor-Maschine (SVM) hinzu. Das Trainingsmuster wird durch FeaturesFeaturesFeaturesFeaturesfeatures und ClassClassClassClassclassVal beschrieben. FeaturesFeaturesFeaturesFeaturesfeatures ist der Merkmalsvektor des Musters und muss folglich die Länge 'NumFeatures'"NumFeatures""NumFeatures""NumFeatures""NumFeatures" besitzen, die in create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvm angegeben worden ist. ClassClassClassClassclassVal kodiert die Klassenzugehörigkeit und muss Werte von 0 bis NumClasses-1 enthalten (siehe create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvm). Im Spezialfall von 'novelty detection' muss die Klasse mit 0 übergeben werden, da nur eine Klasse angenommen wird. Bevor das SVM mit train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvm trainiert werden kann, müssen Trainingsmuster mit add_sample_class_svmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvmAddSampleClassSvm zum SVM hinzugefügt werden. Das Verwenden von Support-Vektoren einer bereits trainierten SVM als Trainingsdaten wird in train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvm beschrieben.

Die Anzahl der abgespeicherten Trainingsmuster kann mit get_sample_num_class_svmget_sample_num_class_svmGetSampleNumClassSvmGetSampleNumClassSvmGetSampleNumClassSvm abgefragt werden. Einzelne Trainingsmuster können mit get_sample_class_svmget_sample_class_svmGetSampleClassSvmGetSampleClassSvmGetSampleClassSvm wieder ausgelesen werden.

Im Normalfall ist es günstig, die Trainingsmuster mit write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvmWriteSamplesClassSvm in eine Datei zu speichern, damit sie wiederverwendet werden können, und damit bei Bedarf neue Trainingsmuster zum Datensatz hinzugefügt werden können und eine neu erzeugte SVM mit dem erweiterten Datensatz trainiert werden kann.

Ausführungsinformationen

• 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:

• SVMHandleSVMHandleSVMHandleSVMHandleSVMHandle

Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.

Parameter

Ergebnis

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

Vorgänger

create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvm

Nachfolger

train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvm, write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvmWriteSamplesClassSvm, get_sample_num_class_svmget_sample_num_class_svmGetSampleNumClassSvmGetSampleNumClassSvmGetSampleNumClassSvm, get_sample_class_svmget_sample_class_svmGetSampleClassSvmGetSampleClassSvmGetSampleClassSvm

Alternativen

read_samples_class_svmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvmReadSamplesClassSvm

Siehe auch

clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvm, get_support_vector_class_svmget_support_vector_class_svmGetSupportVectorClassSvmGetSupportVectorClassSvmGetSupportVectorClassSvm

Modul

Foundation