write_samples_class_gmmT_write_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmwrite_samples_class_gmm (Operator)

Name

write_samples_class_gmmT_write_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmwrite_samples_class_gmm — Abspeichern der Trainingsdaten eines Gaußschen Mischverteilungsmodells in einer Datei.

Signatur

write_samples_class_gmm( : : GMMHandle, FileName : )

Beschreibung

write_samples_class_gmmwrite_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmWriteSamplesClassGmmwrite_samples_class_gmm speichert die in dem Gaußschen Mischverteilungsmodell GMM) GMMHandleGMMHandleGMMHandleGMMHandleGMMHandlegmmhandle abgespeicherten Trainingsmuster in der Datei FileNameFileNameFileNameFileNamefileNamefile_name ab. write_samples_class_gmmwrite_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmWriteSamplesClassGmmwrite_samples_class_gmm kann dazu verwendet werden, eine Datenbank mit Trainingsmustern aufzubauen, und somit durch erneutes Trainieren mit einer erweiterten Datenbank die Leistung des GMM zu verbessern (siehe train_class_gmmtrain_class_gmmTrainClassGmmTrainClassGmmTrainClassGmmtrain_class_gmm).

Die Datei FileNameFileNameFileNameFileNamefileNamefile_name wird von write_samples_class_gmmwrite_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmWriteSamplesClassGmmwrite_samples_class_gmm überschrieben. Eine Erweiterung der Datenbank der Trainingsmuster ist aber einfach möglich, da read_samples_class_gmmread_samples_class_gmmReadSamplesClassGmmReadSamplesClassGmmReadSamplesClassGmmread_samples_class_gmm und add_sample_class_gmmadd_sample_class_gmmAddSampleClassGmmAddSampleClassGmmAddSampleClassGmmadd_sample_class_gmm die Trainingsmuster zu den bereits im Speicher des GMM gehaltenen Trainingsmustern hinzufügen.

Die erstellte Datei kann mit read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp ausgelesen werden falls später der Klassifikator eines mehrschichtigen Perzeptrons (MLP) verwendet werden soll. Die Klasse eines Trainingsmusters im GMM entspricht beim MLP einer Komponente des Zielvektors mit Wert 1.0.

Ausführungsinformationen

Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
Wird ohne Parallelisierung verarbeitet.

Parameter

GMMHandleGMMHandleGMMHandleGMMHandleGMMHandlegmmhandle (input_control) class_gmm → (handle)

Handle des GMM.

FileNameFileNameFileNameFileNamefileNamefile_name (input_control) filename.write → (string)

Name der Datei.

Ergebnis

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

Vorgänger

add_sample_class_gmmadd_sample_class_gmmAddSampleClassGmmAddSampleClassGmmAddSampleClassGmmadd_sample_class_gmm

Nachfolger

clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmmclear_samples_class_gmm

Siehe auch

create_class_gmmcreate_class_gmmCreateClassGmmCreateClassGmmCreateClassGmmcreate_class_gmm, read_samples_class_gmmread_samples_class_gmmReadSamplesClassGmmReadSamplesClassGmmReadSamplesClassGmmread_samples_class_gmm, read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp, write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp

Modul

Foundation

Operatoren