add_sample_class_knnT_add_sample_class_knnAddSampleClassKnnAddSampleClassKnnadd_sample_class_knn添加样本类K-最近邻（算子）

名称

add_sample_class_knnT_add_sample_class_knnAddSampleClassKnnAddSampleClassKnnadd_sample_class_knn — 将样本添加到 k-最近邻（k-NN）分类器中。

签名

add_sample_class_knn( : : KNNHandle, Features, ClassID : )

描述

add_sample_class_knnadd_sample_class_knnAddSampleClassKnnAddSampleClassKnnAddSampleClassKnnadd_sample_class_knn 将特征向量添加到 k-最近邻（k-NN）数据结构中。特征向量的长度已在 create_class_knncreate_class_knnCreateClassKnnCreateClassKnnCreateClassKnncreate_class_knn 中通过 NumDimNumDimNumDimNumDimnumDimnum_dim 指定。必须通过 KNNHandleKNNHandleKNNHandleKNNHandleKNNHandleknnhandle 参数指定 k-NN 数据结构的句柄。

特征向量被收集在 FeaturesFeaturesFeaturesFeaturesfeaturesfeatures 中。输入向量的长度必须是 NumDimNumDimNumDimNumDimnumDimnum_dim 的倍数。每个特征向量都需要一个类，该类可通过 ClassIDClassIDClassIDClassIDclassIDclass_id 指定；若仅指定一个类，则该类适用于所有向量。类值为大于等于 0 的自然数。若仅使用单一类，则类值必须为 0。若需调用 classify_image_class_knnclassify_image_class_knnClassifyImageClassKnnClassifyImageClassKnnClassifyImageClassKnnclassify_image_class_knn 算子，则必须使用从 0 到 classes-1 的所有数字，否则每个未使用的数字都会生成一个空区域。

允许向已训练好的 k-NN 分类器中添加样本。新数据仅在再次调用 train_class_knntrain_class_knnTrainClassKnnTrainClassKnnTrainClassKnntrain_class_knn 后才会被整合。

若 k-NN 分类器在启用自动特征归一化功能的情况下完成训练，则提供的特征集 FeaturesFeaturesFeaturesFeaturesfeaturesfeatures 将被视为未归一化数据，并按上次调用 train_class_knntrain_class_knnTrainClassKnnTrainClassKnnTrainClassKnntrain_class_knn 时定义的方式进行归一化处理。有关归一化的详细信息，请参阅 train_class_knntrain_class_knnTrainClassKnnTrainClassKnnTrainClassKnntrain_class_knn 文档。

执行信息

多线程类型：可重入（与非独占算子并行运行）。
多线程作用域：全局（可从任何线程调用）。
未采用并行化处理。

此算子修改后续输入参数的状态：

KNNHandleKNNHandleKNNHandleKNNHandleKNNHandleknnhandle

在执行此算子时，若该参数值需在多个线程间使用，则必须对其访问进行同步。

参数

KNNHandleKNNHandleKNNHandleKNNHandleKNNHandleknnhandle (输入控制，状态被修改) class_knn → (handle)

k-NN 分类器的句柄。

FeaturesFeaturesFeaturesFeaturesfeaturesfeatures (输入控制) number(-array) → (real)

待添加功能列表。

ClassIDClassIDClassIDClassIDclassIDclass_id (输入控制) integer(-array) → (integer)

特征的类 IDs。

结果

如果参数有效，算子 add_sample_class_knnadd_sample_class_knnAddSampleClassKnnAddSampleClassKnnAddSampleClassKnnadd_sample_class_knn 返回值 2 ( H_MSG_TRUE )。如有必要，则抛出异常。

可能的前趋

train_class_knntrain_class_knnTrainClassKnnTrainClassKnnTrainClassKnntrain_class_knn, read_class_knnread_class_knnReadClassKnnReadClassKnnReadClassKnnread_class_knn

另见

create_class_knncreate_class_knnCreateClassKnnCreateClassKnnCreateClassKnncreate_class_knn, read_class_knnread_class_knnReadClassKnnReadClassKnnReadClassKnnread_class_knn

参考文献

Marius Muja, David G. Lowe: “Fast Approximate Nearest Neighbors with Automatic Algorithm Configuration”; International Conference on Computer Vision Theory and Applications (VISAPP 09); 2009.

模块

基础

算子