.

Studiu

Regularizarea Hărții Clasificate

Descriere

<puneți descrierea algoritmului aici>

Parametri

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

Rezultat

Imaginea regularizată de ieșire [raster]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

ComputeConfusionMatrix (raster)

Descriere

<puneți descrierea algoritmului aici>

Parametri

Imagine de Intrare [raster]

<puneți descrierea parametrului aici>

Realitatea din teren [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — raster

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

Rezultat

Matricea de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

ComputeConfusionMatrix (vector)

Descriere

<puneți descrierea algoritmului aici>

Parametri

Imagine de Intrare [raster]

<puneți descrierea parametrului aici>

Realitatea din teren [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — vector

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

Rezultat

Matricea de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

Calcularea statisticilor de ordinul al doilea pentru imagini

Descriere

<puneți descrierea algoritmului aici>

Parametri

Imagini de intrare [multipleinput: rastere]

<puneți descrierea parametrului aici>

Valori de Fundal [numeric]

<puneți descrierea parametrului aici>

Implicit: 0.0

Rezultat

Fişier de ieșire XML [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

FusionOfClassifications (dempstershafer)

Descriere

<puneți descrierea algoritmului aici>

Parametri

Clasificări de intrare [multipleinput: rasters]

<puneți descrierea parametrului aici>

Methoda de fuziune [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — dempstershafer

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

  • 3 — kappa

Implicit: 0

Eticheta pentru clasa NoData [numeric]

<puneți descrierea parametrului aici>

Implicit: 0

Eticheta pentru clasa Undecided [numeric]

<puneți descrierea parametrului aici>

Implicit: 0

Rezultat

Imaginea clasificării rezultate [raster]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

Fuziunea Clasificării (votul majorității)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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

Rezultat

Imaginea clasificării rezultate [raster]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

Clasificarea imaginilor

Descriere

<puneți descrierea algoritmului aici>

Parametri

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

Rezultat

Imaginea Rezultat [raster]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

Clasificarea SOM

Descriere

<puneți descrierea algoritmului aici>

Parametri

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

Rezultat

Imaginea de Ieșire [raster]

<puneți descrierea rezultatului aici>

Harta SOM [raster]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și

TrainImagesClassifier (ann)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — ann

Implicit: 0

Tipul Metodei de Instruire [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — reg
  • 1 — înapoi

Implicit: 0

``Numărul de neuroni din fiecare strat intermediar` [șir]

<puneți descrierea parametrului aici>

Implicit: Nici unul

Tipul funcției de activare a neuronului [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — ident
  • 1 — sig
  • 2 — gau

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:

  • 0 — iter
  • 1 — eps
  • 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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (bayes)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — bayes

Implicit: 0

origine definită de utilizator [numeric]

<puneți descrierea parametrului aici>

Implicit: 0

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (boost)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — boost

Implicit: 0

Tipul Solicitării [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — discretă

  • 1 — reală

  • 2 — logit
  • 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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (dt)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — dt

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

Validare-încrucișată K-fold ` [numeric]

<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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (gbt)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — gbt

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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (knn)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — knn

Implicit: 0

Numărul de Vecini [numeric]

<puneți descrierea parametrului aici>

Implicit: 32

origine definită de utilizator [numeric]

<puneți descrierea parametrului aici>

Implicit: 0

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (libsvm)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — libsvm

Implicit: 0

Tipul Nucleului SVM [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — liniar

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

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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (rf)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — rf

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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

TrainImagesClassifier (svm)

Descriere

<puneți descrierea algoritmului aici>

Parametri

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:

  • 0 — svm

Implicit: 0

Tipul Modelului SVM [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

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

Implicit: 0

Tipul Nucleului SVM [selecție]

<puneți descrierea parametrului aici>

Opţiuni:

  • 0 — liniar

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

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

Rezultat

Matricea de confuzie rezultată [fișier]

<puneți descrierea rezultatului aici>

Modelul de ieșire [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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)

Vedeți și

Clasificarea imaginii nesupervizate KMeans

Descriere

<puneți descrierea algoritmului aici>

Parametri

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

Rezultat

Imaginea Rezultat [raster]

<puneți descrierea rezultatului aici>

Numele fișierului cu centroizi [fișier]

<puneți descrierea rezultatului aici>

Utilizarea consolei

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

Vedeți și