pkoptsvm – Online in der Cloud

PROGRAMM:

NAME/FUNKTION

pkoptsvm – Programm zur Optimierung von Parametern für die SVM-Klassifizierung

ZUSAMMENFASSUNG

pkoptsvm -t TAUCHERAUSBILDUNG [Optionen] [advanced Optionen]

BESCHREIBUNG

pkoptsvm Die Support-Vektor-Maschine hängt von mehreren Parametern ab. Idealerweise diese
Parameter sollten für jedes Klassifizierungsproblem optimiert werden. Im Falle einer radialen Basis
Kernelfunktion, zwei wichtige Parameter sind {cost} und {gamma}. Das Dienstprogramm pkoptsvm
kann diese beiden Parameter basierend auf einer Genauigkeitsbewertung (dem Kappa-Wert) optimieren. Wenn
ein Eingabetestsatz (-i) zur Verfügung gestellt wird, wird es für die Genauigkeitsbewertung verwendet. Wenn nicht, wird die
Die Genauigkeitsbewertung basiert auf einer Kreuzvalidierung (-Lebenslauf) des Trainingsbeispiels.

Die Optimierungsroutine verwendet eine Rastersuche. Die Anfangs- und Endwerte der
Parameter einstellbar mit -cc Startwert -cc Endwert und -g Startwert -g Endwert für
Kosten bzw. Gamma. Die Suche verwendet einen multiplikativen Schritt zum Iterieren
Parameter (festgelegt mit den Optionen -stepcc und -stepg). Ein häufig verwendeter Ansatz ist die Definition
Zuerst ein relativ großer multiplikativer Schritt (z. B. 10), um eine erste Schätzung für zu erhalten
beide Parameter. Die Schätzung kann dann optimiert werden, indem ein kleinerer Schritt (>1) mit definiert wird
eingeschränkte Start- und Endwerte für die Parameter Kosten und Gamma.

OPTIONAL

-t Dateinamen, --Ausbildung Dateinamen
Trainingsvektordatei. Eine einzelne Vektordatei enthält alle Trainingsfunktionen (müssen
festgelegt als: b0, b1, b2,...) für alle Klassen (Klassennummern werden durch die Beschriftungsoption identifiziert).

-i Dateinamen, --Eingang Dateinamen
Eingabetest-Vektordatei

-cc Startwert -cc Endwert, --ccost Startwert --ccost Endwert
Min. und Max. begrenzen den Parameter C von C-SVC, epsilon-SVR und nu-SVR (optional:
Ursprünglicher Wert)

-g Startwert -g Endwert, --Gamma Startwert --Gamma Endwert
Min. Max. Grenzen für Gamma in der Kernelfunktion (optional: Anfangswert)

-Schritt Schrittlänge, --Schritt Schrittlänge
Multiplikativer Schritt für ccost und gamma in der GRID-Suche

-v Grad des , - ausführlich Grad des
Verwenden Sie 1, um Zwischenergebnisse zum Plotten auszugeben

Erweiterte Optionen

-tln Schicht, --tln Schicht
Name(n) der Trainingsschicht

-Etikett Attribut, --Etikett Attribut
Bezeichner für die Klassenbezeichnung in der Trainingsvektordatei. (Standard: Beschriftung)

-BAL Größe, --Balance Größe
Gleichen Sie die Eingabedaten für jede Klasse auf diese Anzahl von Stichproben aus (Standard: 0).

-zufällig, --willkürlich
Im Falle eines Gleichgewichts werden die Eingabedaten randomisiert

-Mindest Anzahl, --Mindest Anzahl
Wenn die Anzahl der Trainingspixel kleiner als min ist, wird diese Klasse nicht berücksichtigt

-b Band, --Band Band
Bandindex (beginnend bei 0, entweder Bandoption verwenden oder Anfang bis Ende verwenden)

-sband Band, --startband Band
Startband-Sequenznummer

-eband Band, --endband Band
Endband-Sequenznummer

-Versatz Wert, - Offset Wert
Offsetwert für jedes Spektralband-Eingabemerkmal:
refl[Band]=(DN[Band]-Offset[Band])/Skala[Band]

-Rahmen Wert, --Skala Wert
Skalenwert für jedes Spektralband-Eingabemerkmal:
refl=(DN[band]-offset[band])/scale[band] (0 verwenden, wenn in jedem Band Min und Max skaliert werden).
bis -1.0 und 1.0)

-svmt tippe, --svmtype tippe
Typ der SVM (C_SVC, nu_SVC,one_class, epsilon_SVR, nu_SVR)

-kt tippe, --kerneltype tippe
Art der Kernelfunktion (linear, polynomial, radial, sigmoid)

-kd Wert, --kd Wert
Abschluss in Kernel-Funktion

-c0 Wert, --coef0 Wert
coef0 in der Kernelfunktion

-nu Wert, --nu Wert
der Parameter nu von nu-SVC, Ein-Klassen-SVM und nu-SVR

-eloss Wert, --eloss Wert
die Epsilon-in-Verlustfunktion von Epsilon-SVR

-Zwischenspeicher Anzahl, --Zwischenspeicher Anzahl
Cache-Speichergröße in MB (Standard: 100)

-etol Wert, --etol Wert
das Toleranz-Abbruchkriterium (Standard: 0.001)

-schrumpfen, --schrumpfen
ob die schrumpfende Heuristik verwendet werden soll

-Lebenslauf Wert, --Lebenslauf Wert
n-facher Kreuzvalidierungsmodus (Standard: 0)

-vgl, --vgl
Verwenden Sie die Gesamtgenauigkeit anstelle von Kappa

-maxit Anzahl, --maxit Anzahl
maximale Anzahl von Iterationen

-Tol Wert, --Toleranz Wert
relative Toleranz für Stoppkriterium (Standard: 0.0001)

-a Wert, --Algorithmus Wert
GRID oder ein beliebiger Optimierungsalgorithmus von http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms

-c Name, --Klasse Name
Liste der Klassennamen.

-r Wert, --reclass Wert
Liste der Klassenwerte (gleiche Reihenfolge wie in verwenden). --Klasse Möglichkeit).

24 Januar 2016 pkoptsvm(1)

Verwenden Sie pkoptsvm online über die Dienste von onworks.net