.
<puneți descrierea algoritmului aici>
Imaginea clasificării de intrare [raster]<puneți descrierea parametrului aici>
Raza Elementului de Structurare (în pixeli) [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Majoritate Multiplă: Nedecisă(X)/Originală [boolean]<puneți descrierea parametrului aici>
Implicit: True
Eticheta pentru clasa NoData [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Eticheta pentru clasa Undecided [numeric]<puneți descrierea parametrului aici>
Implicit: 0
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
Imaginea regularizată de ieșire [raster]<puneți descrierea rezultatului aici>
processing.runalg('otb:classificationmapregularization', -io.in, -ip.radius, -ip.suvbool, -ip.nodatalabel, -ip.undecidedlabel, -ram, -io.out)
<puneți descrierea algoritmului aici>
Imagine de Intrare [raster]<puneți descrierea parametrului aici>
Realitatea din teren [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Imaginea de intrare, de referință [raster]<puneți descrierea parametrului aici>
Valoarea pentru pixelii FărăDate [numeric]<puneți descrierea parametrului aici>
Implicit: 0
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
Matricea de ieșire [fișier]<puneți descrierea rezultatului aici>
processing.runalg('otb:computeconfusionmatrixraster', -in, -ref, -ref.raster.in, -nodatalabel, -ram, -out)
<puneți descrierea algoritmului aici>
Imagine de Intrare [raster]<puneți descrierea parametrului aici>
Realitatea din teren [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Datele Vectoriale de Intrare [fișier]<puneți descrierea parametrului aici>
Numele câmpului [șir]Opțional.
<puneți descrierea parametrului aici>
Implicit: Class
Valoarea pentru pixelii FărăDate [numeric]<puneți descrierea parametrului aici>
Implicit: 0
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
Matricea de ieșire [fișier]<puneți descrierea rezultatului aici>
processing.runalg('otb:computeconfusionmatrixvector', -in, -ref, -ref.vector.in, -ref.vector.field, -nodatalabel, -ram, -out)
<puneți descrierea algoritmului aici>
Imagini de intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Valori de Fundal [numeric]<puneți descrierea parametrului aici>
Implicit: 0.0
Fişier de ieșire XML [fișier]<puneți descrierea rezultatului aici>
processing.runalg('otb:computeimagessecondorderstatistics', -il, -bv, -out)
<puneți descrierea algoritmului aici>
Clasificări de intrare [multipleinput: rasters]<puneți descrierea parametrului aici>
Methoda de fuziune [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Matricile de Confuzie [multipleinput: fișiere]<puneți descrierea parametrului aici>
Masa măsurătorilor de încredere [selecție]<puneți descrierea parametrului aici>
Opţiuni:
0 — precizie
1 — reapelare
2 — acuratețe
Implicit: 0
Eticheta pentru clasa NoData [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Eticheta pentru clasa Undecided [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Imaginea clasificării rezultate [raster]<puneți descrierea rezultatului aici>
processing.runalg('otb:fusionofclassificationsdempstershafer', -il, -method, -method.dempstershafer.cmfl, -method.dempstershafer.mob, -nodatalabel, -undecidedlabel, -out)
<puneți descrierea algoritmului aici>
Clasificări de intrare [multipleinput: rasters]<puneți descrierea parametrului aici>
Methoda de fuziune [selecție]<puneți descrierea parametrului aici>
Opţiuni:
0 — votul majorității
Implicit: 0
Eticheta pentru clasa NoData [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Eticheta pentru clasa Undecided [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Imaginea clasificării rezultate [raster]<puneți descrierea rezultatului aici>
processing.runalg('otb:fusionofclassificationsmajorityvoting', -il, -method, -nodatalabel, -undecidedlabel, -out)
<puneți descrierea algoritmului aici>
Imagine de Intrare [raster]<puneți descrierea parametrului aici>
Masca de Intrare [raster]Opțional.
<puneți descrierea parametrului aici>
Fișierul model [fișier]<puneți descrierea parametrului aici>
Fișierul statisticilor [fișier]Opțional.
<puneți descrierea parametrului aici>
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
Imaginea Rezultat [raster]<puneți descrierea rezultatului aici>
processing.runalg('otb:imageclassification', -in, -mask, -model, -imstat, -ram, -out)
<puneți descrierea algoritmului aici>
Imaginea de Intrare [raster]<puneți descrierea parametrului aici>
Masca de Validitate [raster]Opțional.
<puneți descrierea parametrului aici>
Probabilitatea de instruire [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Dimensiunea Setului de Instruire [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Linii de Flux [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea X [numeric]<puneți descrierea parametrului aici>
Implicit: 32
Dimensiunea Y [numeric]<puneți descrierea parametrului aici>
Implicit: 32
Vecinătatea X [numeric]<puneți descrierea parametrului aici>
Implicit: 10
Vecinătatea Y [numeric]<puneți descrierea parametrului aici>
Implicit: 10
Numărul Iterațiilor [numeric]<puneți descrierea parametrului aici>
Implicit: 5
BetaInit [numeric]<puneți descrierea parametrului aici>
Implicit: 1
BetaFinal [numeric]<puneți descrierea parametrului aici>
Implicit: 0.1
Valoarea Inițială [numeric]<puneți descrierea parametrului aici>
Implicit: 0
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Imaginea de Ieșire [raster]<puneți descrierea rezultatului aici>
Harta SOM [raster]<puneți descrierea rezultatului aici>
processing.runalg('otb:somclassification', -in, -vm, -tp, -ts, -sl, -sx, -sy, -nx, -ny, -ni, -bi, -bf, -iv, -ram, -rand, -out, -som)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Tipul Metodei de Instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
1 — înapoi
Implicit: 0
<puneți descrierea parametrului aici>
Implicit: Nici unul
Tipul funcției de activare a neuronului [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 1
Parametrul alpha al funcției de activare [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Parametrul beta al funcției de activare [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Forța termenului pentru gradientul de greutate din metoda BACKPROP [numeric]<puneți descrierea parametrului aici>
Implicit: 0.1
Forța termenului de impuls (diferența dintre greutățile celor 2 iterații anterioare) [numeric]<puneți descrierea parametrului aici>
Implicit: 0.1
Valoarea inițială Delta_0 a valorilor de actualizare Delta_{ij} din metoda RPROP [numeric]<puneți descrierea parametrului aici>
Implicit: 0.1
Limita inferioară Delta_{min} a valorilor de actualizare din metoda RPROP [numeric]<puneți descrierea parametrului aici>
Implicit: 1e-07
Criteriile de terminare [selecție]<puneți descrierea parametrului aici>
Opţiuni:
2 — tot
Implicit: 2
Valoarea epsilon folosită în criteriile de terminare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.01
Numărul maxim de iterații folosite în criteriile de terminare [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Tipul Solicitării [selecție]<puneți descrierea parametrului aici>
Opţiuni:
0 — discretă
1 — reală
3 — delicată
Implicit: 1
Numărul de săptămâni [numeric]<puneți descrierea parametrului aici>
Implicit: 100
Rata Pierderii în Greutate [numeric]<puneți descrierea parametrului aici>
Implicit: 0.95
Adâncimea maximă a arborelui [numeric]<puneți descrierea parametrului aici>
Implicit: 1
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Adâncimea maximă a arborelui [numeric]<puneți descrierea parametrului aici>
Implicit: 65535
Numărul minim de eșantioane din fiecare nod [numeric]<puneți descrierea parametrului aici>
Implicit: 10
Criteriile de terminare pentru arborele de regresie [numeric]<puneți descrierea parametrului aici>
Implicit: 0.01
Grupul de valori posibile pentru o variabilă de categorii din K <= grupul de categorii, pentru a găsi o divizare suboptimală [numeric]<puneți descrierea parametrului aici>
Implicit: 10
<puneți descrierea parametrului aici>
Implicit: 10
Setează fanionul Use1seRule pe fals [boolean]<puneți descrierea parametrului aici>
Implicit: True
Setează fanionul TruncatePrunedTree pe fals [boolean]<puneți descrierea parametrului aici>
Implicit: True
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Numărul de iterații suportate de algoritm [numeric]<puneți descrierea parametrului aici>
Implicit: 200
Parametrului de regularizare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.01
Partea din întregul set de instruire utilizată pentru fiecare iterație a algoritmului [number]<puneți descrierea parametrului aici>
Implicit: 0.8
Adâncimea maximă a arborelui [numeric]<puneți descrierea parametrului aici>
Implicit: 3
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Numărul de Vecini [numeric]<puneți descrierea parametrului aici>
Implicit: 32
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Tipul Nucleului SVM [selecție]<puneți descrierea parametrului aici>
Opţiuni:
0 — liniar
Implicit: 0
Costul parametrului C [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Optimizarea parametrilor [boolean]<puneți descrierea parametrului aici>
Implicit: True
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Adâncimea maximă a arborelui [numeric]<puneți descrierea parametrului aici>
Implicit: 5
Numărul minim de eșantioane din fiecare nod [numeric]<puneți descrierea parametrului aici>
Implicit: 10
Criteriile de terminare pentru arborele de regresie [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Grupul de valori posibile pentru o variabilă de categorii din K <= grupul de categorii, pentru a găsi o divizare suboptimală [numeric]<puneți descrierea parametrului aici>
Implicit: 10
Mărimea subsetului de entități, selectat aleatoriu, la fiecare nod al arborelui [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Numărul maxim de arbori din pădure [numeric]<puneți descrierea parametrului aici>
Implicit: 100
Acuratețea suficientă (eroare OOB) [numeric]<puneți descrierea parametrului aici>
Implicit: 0.01
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Lista Imaginilor de Intrare [multipleinput: rastere]<puneți descrierea parametrului aici>
Lista Datelor Vectoriale de Intrare [multipleinput: orice vectori]<puneți descrierea parametrului aici>
Fişier de intrare XML, cu statisticile imaginilor [fișier]Opțional.
<puneți descrierea parametrului aici>
Elevația implicită [raster]<puneți descrierea parametrului aici>
Implicit: 0
Dimensiunea maximă a eșantionului de instruire, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Dimensiunea maximă a eșantionului de validare, per clasă [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Se includ pixelii de pe margini [boolean]<puneți descrierea parametrului aici>
Implicit: True
Raportul dintre eșantionul de instruire și cel de validare [numeric]<puneți descrierea parametrului aici>
Implicit: 0.5
Numele câmpului de discriminare [șir]<puneți descrierea parametrului aici>
Implicit: Class
Clasificatorul care se va utiliza pentru instruire [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Tipul Modelului SVM [selecție]<puneți descrierea parametrului aici>
Opţiuni:
Implicit: 0
Tipul Nucleului SVM [selecție]<puneți descrierea parametrului aici>
Opţiuni:
0 — liniar
Implicit: 0
Costul parametrului C [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Parametrul NU al unei probleme de optimizare SVM (NU_SVC/ONE_CLASS) [număr]<puneți descrierea parametrului aici>
Implicit: 0
Parametrul COEF0 al unei funcții de nucleu (POLY / SIGMOID) [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Parametrul GAMMA al unei funcții de nucleu (POLY / RBF / SIGMOID) [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Gradul parametrului unei funcții de nucleu (POLY) [numeric]<puneți descrierea parametrului aici>
Implicit: 1
Optimizarea parametrilor [boolean]<puneți descrierea parametrului aici>
Implicit: True
origine definită de utilizator [numeric]<puneți descrierea parametrului aici>
Implicit: 0
Matricea de confuzie rezultată [fișier]<puneți descrierea rezultatului aici>
Modelul de ieșire [fișier]<puneți descrierea rezultatului aici>
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)
<puneți descrierea algoritmului aici>
Imagine de Intrare [raster]<puneți descrierea parametrului aici>
RAM disponibil (Mb) [numeric]<puneți descrierea parametrului aici>
Implicit: 128
Masca de validitate [raster]Opțional.
<puneți descrierea parametrului aici>
Dimensiunea setului de instruire [numeric]<puneți descrierea parametrului aici>
Implicit: 100
Numărul claselor [numeric]<puneți descrierea parametrului aici>
Implicit: 5
Numărul maxim de iterații [numeric]<puneți descrierea parametrului aici>
Implicit: 1000
Pragul de convergență [numeric]<puneți descrierea parametrului aici>
Implicit: 0.0001
Imaginea Rezultat [raster]<puneți descrierea rezultatului aici>
Numele fișierului cu centroizi [fișier]<puneți descrierea rezultatului aici>
processing.runalg('otb:unsupervisedkmeansimageclassification', -in, -ram, -vm, -ts, -nc, -maxit, -ct, -out, -outmeans)