<plaats omschrijving algoritme hier>
Invoer afbeelding classificatie [raster]<plaats omschrijving parameter hier>
Radius element structuur (in pixels) [getal]<plaats omschrijving parameter hier>
Standaard: 1
Meervoudige meerderheid: Onbepaald(X)/Origineel [boolean]<plaats omschrijving parameter hier>
Standaard: True
Label voor de klasse Geen gegevens [getal]<plaats omschrijving parameter hier>
Standaard: 0
Label voor de klasse Onbepaald [getal]<plaats omschrijving parameter hier>
Standaard: 0
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
Uitvoer geregulariseerde afbeelding [raster]<plaats omschrijving uitvoer hier>
processing.runalg('otb:classificationmapregularization', -io.in, -ip.radius, -ip.suvbool, -ip.nodatalabel, -ip.undecidedlabel, -ram, -io.out)
<plaats omschrijving algoritme hier>
Invoerafbeelding [raster]<plaats omschrijving parameter hier>
Grond waarheid [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Invoer verwijzing afbeelding [raster]<plaats omschrijving parameter hier>
Waarde voor pixels Geen gegevens [getal]<plaats omschrijving parameter hier>
Standaard: 0
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
Matrix uitvoer [bestand]<plaats omschrijving uitvoer hier>
processing.runalg('otb:computeconfusionmatrixraster', -in, -ref, -ref.raster.in, -nodatalabel, -ram, -out)
<plaats omschrijving algoritme hier>
Invoerafbeelding [raster]<plaats omschrijving parameter hier>
Grond waarheid [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Invoer verwijzing vectorgegevens [bestand]<plaats omschrijving parameter hier>
Veldnaam [string]Optioneel.
<plaats omschrijving parameter hier>
Standaard: Klasse
Waarde voor pixels Geen gegevens [getal]<plaats omschrijving parameter hier>
Standaard: 0
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
Matrix uitvoer [bestand]<plaats omschrijving uitvoer hier>
processing.runalg('otb:computeconfusionmatrixvector', -in, -ref, -ref.vector.in, -ref.vector.field, -nodatalabel, -ram, -out)
<plaats omschrijving algoritme hier>
Afbeeldingen invoer [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Waarde achtergrond [getal]<plaats omschrijving parameter hier>
Standaard: 0.0
Uitvoer XML-bestand [bestand]<plaats omschrijving uitvoer hier>
processing.runalg('otb:computeimagessecondorderstatistics', -il, -bv, -out)
<plaats omschrijving algoritme hier>
Invoer classificaties [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Methode fusie [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Kruistabellen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Mass of belief measurement [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Label voor de klasse Geen gegevens [getal]<plaats omschrijving parameter hier>
Standaard: 0
Label voor de klasse Onbepaald [getal]<plaats omschrijving parameter hier>
Standaard: 0
De afbeelding van classificatie uitvoer [raster]<plaats omschrijving uitvoer hier>
processing.runalg('otb:fusionofclassificationsdempstershafer', -il, -method, -method.dempstershafer.cmfl, -method.dempstershafer.mob, -nodatalabel, -undecidedlabel, -out)
<plaats omschrijving algoritme hier>
Invoer classificaties [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Methode fusie [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Label voor de klasse Geen gegevens [getal]<plaats omschrijving parameter hier>
Standaard: 0
Label voor de klasse Onbepaald [getal]<plaats omschrijving parameter hier>
Standaard: 0
De afbeelding van classificatie uitvoer [raster]<plaats omschrijving uitvoer hier>
processing.runalg('otb:fusionofclassificationsmajorityvoting', -il, -method, -nodatalabel, -undecidedlabel, -out)
<plaats omschrijving algoritme hier>
Invoerafbeelding [raster]<plaats omschrijving parameter hier>
Invoer masker [raster]Optioneel.
<plaats omschrijving parameter hier>
Modelbestand [bestand]<plaats omschrijving parameter hier>
Statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
Uitvoerafbeelding [raster]<plaats omschrijving uitvoer hier>
processing.runalg('otb:imageclassification', -in, -mask, -model, -imstat, -ram, -out)
<plaats omschrijving algoritme hier>
Invoerafbeelding [raster]<plaats omschrijving parameter hier>
Masker geldigheid [raster]Optioneel.
<plaats omschrijving parameter hier>
Training waarschijnlijkheid [getal]<plaats omschrijving parameter hier>
Standaard: 1
Training grootte instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Stromende lijnen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Grootte X [getal]<plaats omschrijving parameter hier>
Standaard: 32
Grootte Y [getal]<plaats omschrijving parameter hier>
Standaard: 32
Naburige X [getal]<plaats omschrijving parameter hier>
Standaard: 10
Naburige Y [getal]<plaats omschrijving parameter hier>
Standaard: 10
Iteratie getal [getal]<plaats omschrijving parameter hier>
Standaard: 5
Initiële bèta [getal]<plaats omschrijving parameter hier>
Standaard: 1
Uiteindelijke bèta [getal]<plaats omschrijving parameter hier>
Standaard: 0.1
Initiële waarde [getal]<plaats omschrijving parameter hier>
Standaard: 0
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Uitvoer afbeelding [raster]<plaats omschrijving uitvoer hier>
SOM-kaart [raster]<plaats omschrijving uitvoer hier>
processing.runalg('otb:somclassification', -in, -vm, -tp, -ts, -sl, -sx, -sy, -nx, -ny, -ni, -bi, -bf, -iv, -ram, -rand, -out, -som)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Type trainingsmethode [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Aantal neuronen in elke tussenliggende laag [string]<plaats omschrijving parameter hier>
Standaard: Geen
Type activatiefunctie voor neuronen [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 1
Parameter alfa van de activatiefunctie [getal]<plaats omschrijving parameter hier>
Standaard: 1
Parameter bèta van de activatiefunctie [getal]<plaats omschrijving parameter hier>
Standaard: 1
Sterkte van de gewogen term kleurverloop in de methode BACKPROP [getal]<plaats omschrijving parameter hier>
Standaard: 0.1
Sterkte van de momentum term (het verschil tussen de gewogen eerdere 2 iteraties) [getal]<plaats omschrijving parameter hier>
Standaard: 0.1
Initiële waarde Delta_0 van bijwerkwaarden Delta_{ij} in methode RPROP [getal]<plaats omschrijving parameter hier>
Standaard: 0.1
Ondergrens bijwerkwaarden Delta_{min} in methode RPROP [getal]<plaats omschrijving parameter hier>
Standaard: 1e-07
Criteria voor beëindiging [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 2
Waarde epsilon, gebruikt in de criteria voor beëindiging [getal]<plaats omschrijving parameter hier>
Standaard: 0.01
Maximale aantal iteraties, gebruikt in de criteria voor beëindiging [getal]<plaats omschrijving parameter hier>
Standaard: 1000
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Type boost [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 1
Aantal week [getal]<plaats omschrijving parameter hier>
Standaard: 100
Gewicht koers trim [getal]<plaats omschrijving parameter hier>
Standaard: 0.95
Maximale diepte van de boom [getal]<plaats omschrijving parameter hier>
Standaard: 1
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Maximale diepte van de boom [getal]<plaats omschrijving parameter hier>
Standaard: 65535
Minimum aantal monsters in elke knoop [getal]<plaats omschrijving parameter hier>
Standaard: 10
Criteria voor beëindiging boom van regressie [getal]<plaats omschrijving parameter hier>
Standaard: 0.01
Mogelijke waarden van een categorische variabele clusteren in clusters cat K <= om een sub-optimale splitsing te zoeken [getal]<plaats omschrijving parameter hier>
Standaard: 10
K-gevouwen kruis-validaties [getal]<plaats omschrijving parameter hier>
Standaard: 10
Vlag Use1seRule op false instellen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Vlag TruncatePrunedTree op false instellen [boolean]<plaats omschrijving parameter hier>
Standaard: True
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Aantal stimulerende iteraties algoritme [getal]<plaats omschrijving parameter hier>
Standaard: 200
Parameter regularisatie [getal]<plaats omschrijving parameter hier>
Standaard: 0.01
Deel van gehele trainingsset gebruikt voor elke iteratie van algoritme [getal]<plaats omschrijving parameter hier>
Standaard: 0.8
Maximale diepte van de boom [getal]<plaats omschrijving parameter hier>
Standaard: 3
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Aantal buren [getal]<plaats omschrijving parameter hier>
Standaard: 32
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Type SVM Kernel [selectie]<plaats omschrijving parameter hier>
Opties:
0 — lineair
Standaard: 0
Kosten parameter C [getal]<plaats omschrijving parameter hier>
Standaard: 1
Parameters optimalisatie [boolean]<plaats omschrijving parameter hier>
Standaard: True
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Maximale diepte van de boom [getal]<plaats omschrijving parameter hier>
Standaard: 5
Minimum aantal monsters in elke knoop [getal]<plaats omschrijving parameter hier>
Standaard: 10
Criteria voor beëindiging boom van regressie [getal]<plaats omschrijving parameter hier>
Standaard: 0
Mogelijke waarden van een categorische variabele clusteren in clusters cat K <= om een sub-optimale splitsing te zoeken [getal]<plaats omschrijving parameter hier>
Standaard: 10
Grootte van de willekeurig geselecteerde subset van objecten op elke knoop van de boom [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale aantal bomen in het bos [getal]<plaats omschrijving parameter hier>
Standaard: 100
Voldoende nauwkeurigheid (fout OOB) [getal]<plaats omschrijving parameter hier>
Standaard: 0.01
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoer lijst afbeeldingen [meervoudige invoer: rasters]<plaats omschrijving parameter hier>
Invoerlijst vectorgegevens [meervoudige invoer: alle vectoren]<plaats omschrijving parameter hier>
Invoer XML afbeelding statistiekenbestand [bestand]Optioneel.
<plaats omschrijving parameter hier>
Standaard hoogte [getal]<plaats omschrijving parameter hier>
Standaard: 0
Maximale grootte trainingmonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Maximale grootte validatiemonster per klasse [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Pixels op randen opnemen [boolean]<plaats omschrijving parameter hier>
Standaard: True
Ratio training- en validatiemonster [getal]<plaats omschrijving parameter hier>
Standaard: 0.5
Naam van het veld voor discriminatie [string]<plaats omschrijving parameter hier>
Standaard: Klasse
Classificatie te gebruiken voor de training [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Type SVM-model [selectie]<plaats omschrijving parameter hier>
Opties:
Standaard: 0
Type SVM Kernel [selectie]<plaats omschrijving parameter hier>
Opties:
0 — lineair
Standaard: 0
Kosten parameter C [getal]<plaats omschrijving parameter hier>
Standaard: 1
Parameter nu van een optimalisatieprobleem in SVM (NU_SVC / ONE_CLASS) [getal]<plaats omschrijving parameter hier>
Standaard: 0
Parameter coef0 van een kernelfunctie (POLY / SIGMOID) [getal]<plaats omschrijving parameter hier>
Standaard: 0
Parameter gamma van een kernelfunctie (POLY / RBF / SIGMOID) [getal]<plaats omschrijving parameter hier>
Standaard: 1
Parameter degree van een kernelfunctie (POLY) [getal]<plaats omschrijving parameter hier>
Standaard: 1
Parameters optimalisatie [boolean]<plaats omschrijving parameter hier>
Standaard: True
gebruikergedefinieerd toevalsgetal instellen [getal]<plaats omschrijving parameter hier>
Standaard: 0
Confusie matrixuitvoer [bestand]<plaats omschrijving uitvoer hier>
Uitvoermodel [file]<plaats omschrijving uitvoer hier>
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)
<plaats omschrijving algoritme hier>
Invoerafbeelding [raster]<plaats omschrijving parameter hier>
Beschikbaar RAM (Mb) [getal]<plaats omschrijving parameter hier>
Standaard: 128
Geldigheidsmasker [raster]Optioneel.
<plaats omschrijving parameter hier>
Grootte trainingsset [getal]<plaats omschrijving parameter hier>
Standaard: 100
Aantal klassen [getal]<plaats omschrijving parameter hier>
Standaard: 5
Maximale aantal iteraties [getal]<plaats omschrijving parameter hier>
Standaard: 1000
Drempel convergentie [getal]<plaats omschrijving parameter hier>
Standaard: 0.0001
Uitvoerafbeelding [raster]<plaats omschrijving uitvoer hier>
Bestandsnaam centroïde [bestand]<plaats omschrijving uitvoer hier>
processing.runalg('otb:unsupervisedkmeansimageclassification', -in, -ram, -vm, -ts, -nc, -maxit, -ct, -out, -outmeans)