add_sample_class_svm
— Hinzufügen eines Trainingsmusters zu den Trainingsdaten einer
Support-Vektor-Maschine.
add_sample_class_svm
fügt ein Trainingsmuster zu der durch
SVMHandle
gegebenen Support-Vektor-Maschine (SVM) hinzu.
Das Trainingsmuster wird durch Features
und Class
beschrieben. Features
ist der Merkmalsvektor des Musters
und muss folglich die Länge 'NumFeatures' besitzen, die in
create_class_svm
angegeben worden ist. Class
kodiert die Klassenzugehörigkeit und muss Werte von 0 bis
NumClasses-1
enthalten (siehe create_class_svm
).
Im Spezialfall von 'novelty detection' muss die Klasse mit 0
übergeben werden, da nur eine Klasse angenommen wird.
Bevor das SVM mit train_class_svm
trainiert werden kann,
müssen Trainingsmuster mit add_sample_class_svm
zum SVM
hinzugefügt werden. Das Verwenden von Support-Vektoren einer
bereits trainierten SVM als Trainingsdaten wird in
train_class_svm
beschrieben.
Die Anzahl der abgespeicherten Trainingsmuster kann mit
get_sample_num_class_svm
abgefragt werden. Einzelne
Trainingsmuster können mit get_sample_class_svm
wieder
ausgelesen werden.
Im Normalfall ist es günstig, die Trainingsmuster mit
write_samples_class_svm
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.
Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:
Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.
SVMHandle
(input_control, Zustand wird modifiziert) class_svm →
(handle)
Handle der SVM.
Features
(input_control) real-array →
(real)
Merkmalsvektor des zu speichernden Trainingsmusters.
Class
(input_control) number →
(integer / real)
Klasse des zu speichernden Trainingsmusters.
Sind die Parameterwerte korrekt, liefert
add_sample_class_svm
den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird
eine Fehlerbehandlung durchgeführt.
train_class_svm
,
write_samples_class_svm
,
get_sample_num_class_svm
,
get_sample_class_svm
clear_samples_class_svm
,
get_support_vector_class_svm
Foundation