Outdated version of the documentation. Find the latest one here.

` `

Leren

Classification Map Regularization

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer afbeelding classificatie [raster]

<plaats omschrijving parameter hier>

Radius element structuur (in pixels) [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Meervoudige meerderheid: Onbepaald(X)/Origineel [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Label voor de klasse Geen gegevens [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Label voor de klasse Onbepaald [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

Uitvoer

Uitvoer geregulariseerde afbeelding [raster]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:classificationmapregularization', -io.in, -ip.radius, -ip.suvbool, -ip.nodatalabel, -ip.undecidedlabel, -ram, -io.out)

Zie ook

ComputeConfusionMatrix (raster)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoerafbeelding [raster]

<plaats omschrijving parameter hier>

Grond waarheid [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — raster

Standaard: 0

Invoer verwijzing afbeelding [raster]

<plaats omschrijving parameter hier>

Waarde voor pixels Geen gegevens [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

Uitvoer

Matrix uitvoer [bestand]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:computeconfusionmatrixraster', -in, -ref, -ref.raster.in, -nodatalabel, -ram, -out)

Zie ook

ComputeConfusionMatrix (vector)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoerafbeelding [raster]

<plaats omschrijving parameter hier>

Grond waarheid [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — vector

Standaard: 0

Invoer verwijzing vectorgegevens [bestand]

<plaats omschrijving parameter hier>

Veldnaam [string]

Optioneel.

<plaats omschrijving parameter hier>

Standaard: Klasse

Waarde voor pixels Geen gegevens [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

Uitvoer

Matrix uitvoer [bestand]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:computeconfusionmatrixvector', -in, -ref, -ref.vector.in, -ref.vector.field, -nodatalabel, -ram, -out)

Zie ook

Compute Images second order statistics

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Afbeeldingen invoer [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Waarde achtergrond [getal]

<plaats omschrijving parameter hier>

Standaard: 0.0

Uitvoer

Uitvoer XML-bestand [bestand]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:computeimagessecondorderstatistics', -il, -bv, -out)

Zie ook

FusionOfClassifications (dempstershafer)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer classificaties [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Methode fusie [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — dempstershafer

Standaard: 0

Kruistabellen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Mass of belief measurement [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — precision
  • 1 — recall
  • 2 — accuracy
  • 3 — kappa

Standaard: 0

Label voor de klasse Geen gegevens [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Label voor de klasse Onbepaald [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

De afbeelding van classificatie uitvoer [raster]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:fusionofclassificationsdempstershafer', -il, -method, -method.dempstershafer.cmfl, -method.dempstershafer.mob, -nodatalabel, -undecidedlabel, -out)

Zie ook

FusionOfClassifications (majorityvoting)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer classificaties [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Methode fusie [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — majorityvoting

Standaard: 0

Label voor de klasse Geen gegevens [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Label voor de klasse Onbepaald [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

De afbeelding van classificatie uitvoer [raster]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:fusionofclassificationsmajorityvoting', -il, -method, -nodatalabel, -undecidedlabel, -out)

Zie ook

Image Classification

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoerafbeelding [raster]

<plaats omschrijving parameter hier>

Invoer masker [raster]

Optioneel.

<plaats omschrijving parameter hier>

Modelbestand [bestand]

<plaats omschrijving parameter hier>

Statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

Uitvoer

Uitvoerafbeelding [raster]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:imageclassification', -in, -mask, -model, -imstat, -ram, -out)

Zie ook

SOM-classificatie

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoerafbeelding [raster]

<plaats omschrijving parameter hier>

Masker geldigheid [raster]

Optioneel.

<plaats omschrijving parameter hier>

Training waarschijnlijkheid [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Training grootte instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Stromende lijnen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Grootte X [getal]

<plaats omschrijving parameter hier>

Standaard: 32

Grootte Y [getal]

<plaats omschrijving parameter hier>

Standaard: 32

Naburige X [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Naburige Y [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Iteratie getal [getal]

<plaats omschrijving parameter hier>

Standaard: 5

Initiële bèta [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Uiteindelijke bèta [getal]

<plaats omschrijving parameter hier>

Standaard: 0.1

Initiële waarde [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Uitvoer afbeelding [raster]

<plaats omschrijving uitvoer hier>

SOM-kaart [raster]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:somclassification', -in, -vm, -tp, -ts, -sl, -sx, -sy, -nx, -ny, -ni, -bi, -bf, -iv, -ram, -rand, -out, -som)

Zie ook

TrainImagesClassifier (ann)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — ann

Standaard: 0

Type trainingsmethode [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — reg
  • 1 — back

Standaard: 0

Aantal neuronen in elke tussenliggende laag [string]

<plaats omschrijving parameter hier>

Standaard: Geen

Type activatiefunctie voor neuronen [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — ident
  • 1 — sig
  • 2 — gau

Standaard: 1

Parameter alfa van de activatiefunctie [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Parameter bèta van de activatiefunctie [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Sterkte van de gewogen term kleurverloop in de methode BACKPROP [getal]

<plaats omschrijving parameter hier>

Standaard: 0.1

Sterkte van de momentum term (het verschil tussen de gewogen eerdere 2 iteraties) [getal]

<plaats omschrijving parameter hier>

Standaard: 0.1

Initiële waarde Delta_0 van bijwerkwaarden Delta_{ij} in methode RPROP [getal]

<plaats omschrijving parameter hier>

Standaard: 0.1

Ondergrens bijwerkwaarden Delta_{min} in methode RPROP [getal]

<plaats omschrijving parameter hier>

Standaard: 1e-07

Criteria voor beëindiging [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — iter
  • 1 — eps
  • 2 — all

Standaard: 2

Waarde epsilon, gebruikt in de criteria voor beëindiging [getal]

<plaats omschrijving parameter hier>

Standaard: 0.01

Maximale aantal iteraties, gebruikt in de criteria voor beëindiging [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierann', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.ann.t, -classifier.ann.sizes, -classifier.ann.f, -classifier.ann.a, -classifier.ann.b, -classifier.ann.bpdw, -classifier.ann.bpms, -classifier.ann.rdw, -classifier.ann.rdwm, -classifier.ann.term, -classifier.ann.eps, -classifier.ann.iter, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (bayes)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — bayes

Standaard: 0

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierbayes', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (boost)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — boost

Standaard: 0

Type boost [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — discrete
  • 1 — real
  • 2 — logit
  • 3 — gentle

Standaard: 1

Aantal week [getal]

<plaats omschrijving parameter hier>

Standaard: 100

Gewicht koers trim [getal]

<plaats omschrijving parameter hier>

Standaard: 0.95

Maximale diepte van de boom [getal]

<plaats omschrijving parameter hier>

Standaard: 1

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierboost', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.boost.t, -classifier.boost.w, -classifier.boost.r, -classifier.boost.m, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (dt)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — dt

Standaard: 0

Maximale diepte van de boom [getal]

<plaats omschrijving parameter hier>

Standaard: 65535

Minimum aantal monsters in elke knoop [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Criteria voor beëindiging boom van regressie [getal]

<plaats omschrijving parameter hier>

Standaard: 0.01

Mogelijke waarden van een categorische variabele clusteren in clusters cat K <= om een sub-optimale splitsing te zoeken [getal]

<plaats omschrijving parameter hier>

Standaard: 10

K-gevouwen kruis-validaties [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Vlag Use1seRule op false instellen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Vlag TruncatePrunedTree op false instellen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierdt', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.dt.max, -classifier.dt.min, -classifier.dt.ra, -classifier.dt.cat, -classifier.dt.f, -classifier.dt.r, -classifier.dt.t, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (gbt)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — gbt

Standaard: 0

Aantal stimulerende iteraties algoritme [getal]

<plaats omschrijving parameter hier>

Standaard: 200

Parameter regularisatie [getal]

<plaats omschrijving parameter hier>

Standaard: 0.01

Deel van gehele trainingsset gebruikt voor elke iteratie van algoritme [getal]

<plaats omschrijving parameter hier>

Standaard: 0.8

Maximale diepte van de boom [getal]

<plaats omschrijving parameter hier>

Standaard: 3

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifiergbt', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.gbt.w, -classifier.gbt.s, -classifier.gbt.p, -classifier.gbt.max, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (knn)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — knn

Standaard: 0

Aantal buren [getal]

<plaats omschrijving parameter hier>

Standaard: 32

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierknn', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.knn.k, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (libsvm)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — libsvm

Standaard: 0

Type SVM Kernel [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — lineair

  • 1 — rbf
  • 2 — poly
  • 3 — sigmoid

Standaard: 0

Kosten parameter C [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Parameters optimalisatie [boolean]

<plaats omschrijving parameter hier>

Standaard: True

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierlibsvm', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.libsvm.k, -classifier.libsvm.c, -classifier.libsvm.opt, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (rf)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — rf

Standaard: 0

Maximale diepte van de boom [getal]

<plaats omschrijving parameter hier>

Standaard: 5

Minimum aantal monsters in elke knoop [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Criteria voor beëindiging boom van regressie [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Mogelijke waarden van een categorische variabele clusteren in clusters cat K <= om een sub-optimale splitsing te zoeken [getal]

<plaats omschrijving parameter hier>

Standaard: 10

Grootte van de willekeurig geselecteerde subset van objecten op elke knoop van de boom [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale aantal bomen in het bos [getal]

<plaats omschrijving parameter hier>

Standaard: 100

Voldoende nauwkeurigheid (fout OOB) [getal]

<plaats omschrijving parameter hier>

Standaard: 0.01

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifierrf', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.rf.max, -classifier.rf.min, -classifier.rf.ra, -classifier.rf.cat, -classifier.rf.var, -classifier.rf.nbtrees, -classifier.rf.acc, -rand, -io.confmatout, -io.out)

Zie ook

TrainImagesClassifier (svm)

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoer lijst afbeeldingen [meervoudige invoer: rasters]

<plaats omschrijving parameter hier>

Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]

<plaats omschrijving parameter hier>

Invoer XML afbeelding statistiekenbestand [bestand]

Optioneel.

<plaats omschrijving parameter hier>

Standaard hoogte [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Maximale grootte trainingmonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Maximale grootte validatiemonster per klasse [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Pixels op randen opnemen [boolean]

<plaats omschrijving parameter hier>

Standaard: True

Ratio training- en validatiemonster [getal]

<plaats omschrijving parameter hier>

Standaard: 0.5

Naam van het veld voor discriminatie [string]

<plaats omschrijving parameter hier>

Standaard: Klasse

Classificatie te gebruiken voor de training [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — svm

Standaard: 0

Type SVM-model [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — csvc
  • 1 — nusvc
  • 2 — oneclass

Standaard: 0

Type SVM Kernel [selectie]

<plaats omschrijving parameter hier>

Opties:

  • 0 — lineair

  • 1 — rbf
  • 2 — poly
  • 3 — sigmoid

Standaard: 0

Kosten parameter C [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Parameter nu van een optimalisatieprobleem in SVM (NU_SVC / ONE_CLASS) [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Parameter coef0 van een kernelfunctie (POLY / SIGMOID) [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Parameter gamma van een kernelfunctie (POLY / RBF / SIGMOID) [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Parameter degree van een kernelfunctie (POLY) [getal]

<plaats omschrijving parameter hier>

Standaard: 1

Parameters optimalisatie [boolean]

<plaats omschrijving parameter hier>

Standaard: True

gebruikergedefinieerd toevalsgetal instellen [getal]

<plaats omschrijving parameter hier>

Standaard: 0

Uitvoer

Confusie matrixuitvoer [bestand]

<plaats omschrijving uitvoer hier>

Uitvoermodel [file]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:trainimagesclassifiersvm', -io.il, -io.vd, -io.imstat, -elev.default, -sample.mt, -sample.mv, -sample.edg, -sample.vtr, -sample.vfn, -classifier, -classifier.svm.m, -classifier.svm.k, -classifier.svm.c, -classifier.svm.nu, -classifier.svm.coef0, -classifier.svm.gamma, -classifier.svm.degree, -classifier.svm.opt, -rand, -io.confmatout, -io.out)

Zie ook

Unsupervised KMeans image classification

Omschrijving

<plaats omschrijving algoritme hier>

Parameters

Invoerafbeelding [raster]

<plaats omschrijving parameter hier>

Beschikbaar RAM (Mb) [getal]

<plaats omschrijving parameter hier>

Standaard: 128

Geldigheidsmasker [raster]

Optioneel.

<plaats omschrijving parameter hier>

Grootte trainingsset [getal]

<plaats omschrijving parameter hier>

Standaard: 100

Aantal klassen [getal]

<plaats omschrijving parameter hier>

Standaard: 5

Maximale aantal iteraties [getal]

<plaats omschrijving parameter hier>

Standaard: 1000

Drempel convergentie [getal]

<plaats omschrijving parameter hier>

Standaard: 0.0001

Uitvoer

Uitvoerafbeelding [raster]

<plaats omschrijving uitvoer hier>

Bestandsnaam centroïde [bestand]

<plaats omschrijving uitvoer hier>

Gebruik van console

processing.runalg('otb:unsupervisedkmeansimageclassification', -in, -ram, -vm, -ts, -nc, -maxit, -ct, -out, -outmeans)

Zie ook