זוהי הפקודה pksvm שניתן להריץ בספק האירוח החינמי של OnWorks באמצעות אחת מתחנות העבודה המקוונות החינמיות שלנו, כגון Ubuntu Online, Fedora Online, אמולטור מקוון של Windows או אמולטור מקוון של MAC OS.
תָכְנִית:
שֵׁם
pksvm - סיווג תמונת רסטר באמצעות Support Vector Machine
תַקצִיר
pksvm -t הַדְרָכָה [-i קלט] [-o תפוקה] [-קו"ח ערך] [אפשרויות] [מתקדם אפשרויות]
תיאור
pksvm מיישם מכונת וקטור תמיכה (SVM) כדי לפתור סיווג בפיקוח
בעיה. המימוש מבוסס על ספריית C++ בקוד פתוח libSVM
(http://www.csie.ntu.edu.tw/~cjlin/libsvm). קבצי רסטר וקבצי וקטור נתמכים כ-
קלט. הפלט יכיל את תוצאת הסיווג, ברסטר או בווקטור
פורמט, התואם לפורמט הקלט. יש לספק דוגמת אימון כ
מערך נתונים של וקטור OGR המכיל את תוויות המחלקה והתכונות עבור כל אימון
נקודה. מיקומי הנקודות אינם נלקחים בחשבון בשלב האימון. ניתן להשתמש באותו
מדגם הדרכה לסיווג תמונות שונות, בתנאי מספר הלהקות של
התמונות זהות. השתמש בכלי השירות pkextract כדי ליצור דוגמת אימון מתאימה,
מבוסס על מדגם של נקודות או מצולעים. למפות פלט רסטר ניתן לצרף צבע
טבלה באמצעות האפשרות -ct.
אפשרויות
-t שם הקובץ, --הַדְרָכָה שם הקובץ
קובץ וקטור אימון. קובץ וקטור יחיד מכיל את כל תכונות האימון (חייב להיות
מוגדר כ: b0, b1, b2,...) עבור כל המחלקות (מספרי המחלקות מזוהים על ידי אפשרות תווית).
השתמש במספר קבצי אימון עבור צבירה של אתחול (אלטרנטיבה ל- --תיק ו
--גודל שקית אפשרויות, כאשר תת-קבוצה אקראית נלקחת מקובץ הדרכה בודד)
-i שם הקובץ, --קֶלֶט שם הקובץ
תמונה קלט
-o שם הקובץ, --תְפוּקָה שם הקובץ
תמונת סיווג פלט
-קו"ח ערך, --קו"ח ערך
מצב אימות צולב של N קיפולים (ברירת מחדל: 0)
-תלנ שכבה, --tln שכבה
שם/שמות שכבת האימון
-c שם, --מעמד שם
רשימת שמות הכיתות.
-r ערך, --מחלקה מחדש ערך
רשימת ערכי מחלקה (באותו סדר כמו ב --מעמד אוֹפְּצִיָה).
-שֶׁל פורמט GDAL, --oformat פורמט GDAL
פורמט תמונה פלט (ראה גם gdal_translate(1)).
-f פוּרמָט, - ו פוּרמָט
פורמט פלט של ogr עבור דגימת אימון פעילה
-שיתוף שם = VALUE, --שיתוף שם = VALUE
אפשרות יצירה לקובץ פלט. ניתן לציין מספר אפשרויות.
-ct שם הקובץ, --ct שם הקובץ
טבלת צבעים בפורמט ASCII בעלת 5 עמודות: id RGB ALFA (0: שקוף, 255:
מוצק)
-תווית תכונה, --תווית תכונה
מזהה עבור תווית המחלקה בקובץ וקטור האימון. (ברירת מחדל: תווית)
-קוֹדֵם ערך, --קוֹדֵם ערך
הסתברויות קודמות עבור כל מחלקה (למשל, -קוֹדֵם 0.3 -קוֹדֵם 0.3 -קוֹדֵם 0.2) משומש
לקלט בלבד (מתעלמים ממנו לצורך אימות צולב)
-g גמא, --גמא גמא
גמא בפונקציית ליבה
-cc עלות, --עלות עלות
הפרמטר C של C_SVC, epsilon_SVR ו-nu_SVR
-m שם הקובץ, --מסכה שם הקובץ
סיווג רק במסגרת המסכה שצוינה (וקטור או רסטר). למסכת רסטר, הגדר
ערכי nodata עם האפשרות --msknodata.
-msknodata ערך, --msknodata ערך
ערך/ערכי מסיכה שלא יילקחו בחשבון לסיווג. הערכים יילקחו בחשבון ב
תמונת סיווג.
-אין מידע ערך, --אין מידע ערך
ערך Nodata שיש להציב במקום בו התמונה מוסווית כ-nodata
-v רָמָה, --מִלוּלִי רָמָה
רמה מפורטת
אפשרויות מתקדמות
-b לְהִתְאַגֵד, --לְהִתְאַגֵד לְהִתְאַגֵד
אינדקס פס (החל מ-0, ניתן להשתמש --לְהִתְאַגֵד אפשרות או שימוש --להקת התחלה ל
--פס קצה)
-סנד לְהִתְאַגֵד, --להקת התחלה לְהִתְאַגֵד
מספר רצף של להקת התחלה
-בנד לְהִתְאַגֵד, --פס קצה לְהִתְאַגֵד
מספר רצף פס קצה
-bal גודל, --איזון גודל
איזנו את נתוני הקלט למספר הדגימות הזה עבור כל מחלקה
-מיני מספר, --דקה מספר
אם מספר הפיקסלים לאימון קטן מהמינימום, אין לקחת בחשבון מחלקה זו
(0: שקול את כל השיעורים)
-תיק ערך, --תיק ערך
מספר צבירות אתחול (ברירת המחדל היא ללא חבילה: 1)
גודל שקית ערך, --גודל שקית ערך
אחוז התכונות בשימוש מתכונות האימון הזמינות עבור כל רצועת אתחול
צבירה (גודל אחד עבור כל המחלקות, או גודל שונה עבור כל מחלקה
בהתאמה
-מַסרֵק לשלוט, --מַסרֵק לשלוט
כיצד לשלב מסווגי צבירה של bootstrap (0: כלל סכום, 1: כלל מכפלה, 2:
כלל מקסימום). משמש גם לאגירת מחלקות עם אפשרות rc.
-cb שם הקובץ, --תיק כיתתי שם הקובץ
פלט עבור כל צבירת אתחול בודדת
-סביר שם הקובץ, -- כנראה שם הקובץ
תמונת הסתברות.
-לְקַזֵז ערך, --לְקַזֵז ערך
ערך קיזוז עבור כל תכונת קלט של פס ספקטרלי:
refl[band]=(DN[band]-offset[band])/scale[band]
-סוּלָם ערך, --סוּלָם ערך
ערך קנה מידה עבור כל תכונת קלט של פס ספקטרלי:
refl=(DN[band]-offset[band])/scale[band] (השתמש ב-0 אם קנה המידה המינימלי והמקסימלי נמצא בכל פס)
ל-1.0- ו-1.0)
-svmt סוג, --svmtype סוג
סוג של SVM (C_SVC, nu_SVC, one_class, epsilon_SVR, nu_SVR)
-קט סוג, --סוג ליבה סוג
סוג פונקציית ליבה (לינארית, פולינומית, רדיאלית, סיגמואידית)
-kd ערך, --kd ערך
תואר בתפקוד ליבה
-c0 ערך, --coef0 ערך
Coef0 בפונקציית הליבה
-נו ערך, --נו ערך
הפרמטר nu של nu-SVC, SVM חד-מחלקתי ו-nu-SVR
-אלוס ערך, --אלוס ערך
פונקציית ההפסד של אפסילון-SVR
-מטמון מספר, --מטמון מספר
מטמון ⟨http://pktools.nongnu.org/html/classCache.html⟩ גודל זיכרון ב-MB (ברירת מחדל:
100)
-אתול ערך, --אתול ערך
קריטריון הסבילות לסיום (ברירת מחדל: 0.001)
-לצמק, --לצמק
האם להשתמש בהיוריסטיקה המתכווצת
נוצר מספר, --אקטיבי מספר
מספר נקודות אימון פעילות
דוגמא
סווג את קובץ הקלט input.tif עם מכונת וקטורים תומכת. דוגמת אימון שהיא
מסופק כמערך נתונים של וקטור OGR. הוא מכיל את כל התכונות (אותו מימדיות כמו
input.tif) בשדותיו (אנא בדוק pkeextract(1) כיצד להשיג קובץ כזה מ-
קובץ וקטור "נקי" המכיל מיקומים בלבד). אימות צולב כפול (cv) הוא
בוצע (פלט על המסך). הפרמטרים עלות וגמא של מכונת וקטור התמיכה
מוגדרים ל-1000 ו-0.1 בהתאמה. טבלת צבעים (קובץ טקסט בן חמש עמודות: תמונה
ערך, אדום, ירוק, כחול, אלפא) סופק גם כן.
pksvm -i input.tif -t training.sqlite -o poutt.tif -קו"ח 2 -ct טבלת צבעים.txt -cc 1000 -g 0.1
סיווג באמצעות צבירת bootstrap. מדגם האימון מחולק באופן אקראי ל-
שלוש תת-דגימות (33% מהמדגם המקורי כל אחת).
pksvm -i input.tif -t training.sqlite -o poutt.tif -bs 33 -תיק 3
סיווג באמצעות הסתברויות קודמות עבור כל מחלקה. הסתברויות הקודמות מתבצעות אוטומטית
מנורמל. הסדר שבו האפשרויות -p המסופקים צריכים לכבד את האלפאנומריים
סדר שמות הכיתות (כיתה 10 באה לפני 2...)
pksvm -i input.tif -t training.sqlite -o poutt.tif -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 1 -p 0.2 -p 1 -p 1 -p 1
24 ינואר 2016 pksvm(1)
השתמש ב-pksvm באופן מקוון באמצעות שירותי onworks.net