包 org.opencv.ml

类 StatModel

java.lang.Object

org.opencv.core.Algorithm

org.opencv.ml.StatModel

直接已知子类

ANN_MLP, DTrees, EM, KNearest, LogisticRegression, NormalBayesClassifier, SVM, SVMSGD

public class StatModel
extends Algorithm

OpenCV ML 中统计模型的基类。

字段摘要

字段

修饰符和类型	字段	描述
static int	COMPRESSED_INPUT
static int	PREPROCESSED_INPUT
static int	RAW_OUTPUT
static int	UPDATE_MODEL

从类 org.opencv.core 继承的字段 Algorithm

nativeObj

构造函数摘要

构造函数

修饰符	构造函数	描述
保护	StatModel(long addr)

方法摘要

修饰符和类型	方法	描述
static StatModel	__fromPtr__(long addr)
float	calcError(TrainData data, boolean test, Mat resp)	计算训练集或测试集上的误差
boolean	empty()	如果 Algorithm 为空则返回 true (例如
protected void	finalize()
int	getVarCount()	返回训练样本中变量的数量
boolean	isClassifier()	如果模型是分类器，则返回 true
boolean	isTrained()	如果模型已训练，则返回 true
float	predict(Mat samples)	预测提供的样本的响应
float	predict(Mat samples, Mat results)	预测提供的样本的响应
float	predict(Mat samples, Mat results, int flags)	预测提供的样本的响应
boolean	train(Mat samples, int layout, Mat responses)	训练统计模型
boolean	train(TrainData trainData)	训练统计模型
boolean	train(TrainData trainData, int flags)	训练统计模型

从类 org.opencv.core 继承的方法 Algorithm

clear, getDefaultName, getNativeObjAddr, save

从类继承的方法 java.lang.Object

clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

字段详细信息

UPDATE_MODEL

public static final int UPDATE_MODEL

参见

常量字段值

RAW_OUTPUT

public static final int RAW_OUTPUT

参见

常量字段值

COMPRESSED_INPUT

public static final int COMPRESSED_INPUT

参见

常量字段值

PREPROCESSED_INPUT

public static final int PREPROCESSED_INPUT

参见

常量字段值

构造函数详细信息

StatModel

protected StatModel(long addr)

方法详细信息

__fromPtr__

public static StatModel __fromPtr__(long addr)

getVarCount

public int getVarCount()

返回训练样本中变量的数量

返回

自动生成

empty

public boolean empty()

从类复制的描述: Algorithm

如果算法为空（例如，在最开始或不成功的读取之后），则返回 true

重写

empty 在类中 Algorithm

返回

自动生成

isTrained

public boolean isTrained()

如果模型已训练，则返回 true

返回

自动生成

isClassifier

public boolean isClassifier()

如果模型是分类器，则返回 true

返回

自动生成

train

public boolean train(TrainData trainData,
                     int flags)

训练统计模型

参数

trainData - 可以使用 TrainData::loadFromCSV 从文件加载或使用 TrainData::create 创建的训练数据。

flags - 可选标志，取决于模型。 一些模型可以使用新的训练样本进行更新，而不是完全覆盖（例如 NormalBayesClassifier 或 ANN_MLP）。

返回

自动生成

train

public boolean train(TrainData trainData)

训练统计模型

参数

trainData - 可以使用 TrainData::loadFromCSV 从文件加载或使用 TrainData::create 创建的训练数据。 新的训练样本，而不是完全覆盖（例如 NormalBayesClassifier 或 ANN_MLP）。

返回

自动生成

train

public boolean train(Mat samples,
                     int layout,
                     Mat responses)

训练统计模型

参数

samples - 训练样本

layout - 参见 ml::SampleTypes。

responses - 与训练样本关联的响应向量。

返回

自动生成

calcError

public float calcError(TrainData data,
                       boolean test,
                       Mat resp)

计算训练集或测试集上的误差

参数

data - 训练数据

test - 如果为 true，则在数据的测试子集上计算误差，否则在数据的训练子集上计算误差。 请注意，如果您加载了一个完全不同的数据集来评估已经训练过的分类器，您可能希望不要使用 TrainData::setTrainTestSplitRatio 设置测试子集，并指定 test=false，以便为整个新集合计算误差。 是的，这听起来有点令人困惑。

resp - 可选的输出响应。 该方法使用 StatModel::predict 来计算误差。 对于回归模型，误差计算为 RMS，对于分类器，误差计算为错误分类样本的百分比 (0%-100%)。

返回

自动生成

predict

public float predict(Mat samples,
                     Mat results,
                     int flags)

预测提供的样本的响应

参数

samples - 输入样本，浮点矩阵

results - 可选的结果输出矩阵。

flags - 可选标志，取决于模型。 参见 cv::ml::StatModel::Flags。

返回

自动生成

predict

public float predict(Mat samples,
                     Mat results)

预测提供的样本的响应

参数

samples - 输入样本，浮点矩阵

results - 可选的结果输出矩阵。

返回

自动生成

predict

public float predict(Mat samples)

预测提供的样本的响应

参数

samples - 输入样本，浮点矩阵

返回

自动生成

finalize

protected void finalize()
                 throws java.lang.Throwable

重写

finalize 在类中 Algorithm

抛出

java.lang.Throwable