这是 pkfsann 命令，可以使用我们的多个免费在线工作站之一在 OnWorks 免费托管服务提供商中运行，例如 Ubuntu Online、Fedora Online、Windows 在线模拟器或 MAC OS 在线模拟器
程序：
您的姓名
pkfsann - nn 分类器的特征选择
概要
pkfsan -t 测试 -n 数 [选项[高级 选项]
商品描述
由于以下原因，处理高维输入数据的分类问题可能具有挑战性
休斯现象。 例如，高光谱数据可以有数百个光谱
带，在分类时需要特别注意。 特别是在有限的情况下
训练数据是可用的，如果没有这些数据的分类可能会有问题
减少维度。
pkfsan 实现了许多特征选择技术，其中一个顺序
浮动前向搜索 (SFFS)。 还要考虑在 虚拟机（1）
它已被证明对此类问题比其他问题更稳健。
配置
-t 文件名, - 训练 文件名
训练矢量文件。 单个向量文件包含所有训练特征（必须是
设置为：B0, B1, B2,...) 对于所有类（由标签选项标识的类号）。
使用多个训练文件进行引导聚合（替代包和
bsize 选项，其中从单个训练文件中获取随机子集）
-n 数, --nf 数
要选择的特征数量（0 选择最佳数量，另见 --生态成本 选项）
-i 文件名, - 输入 文件名
输入测试集（留空以仅基于训练执行交叉验证）
-v 水平, --详细 水平
设置为：0（仅结果）、1（混淆矩阵）、2（调试）
高级选项
-tin 层, --tln 层
训练层名称
-标签 属性, - 标签 属性
训练向量文件中类标签的标识符。 （默认：标签）
- 平衡 尺寸
将输入数据平衡到每个类的这个样本数（默认值：0）
-随机, - 随机的
在平衡的情况下，随机化输入数据
-分钟 数, --分钟 数
如果训练像素数小于 min，则不考虑此类
-b 带, - 乐队 带
波段索引（从 0 开始，使用波段选项或使用开始到结束）
-带 带, --起始带 带
起始带序列号
-电子乐队 带, --端带 带
结束带序列号
-抵消 折扣值, - 抵消 折扣值
每个谱带输入特征的偏移值：
refl[频带]=(DN[频带]-偏移[频带])/比例[频带]
-规模 折扣值, - 规模 折扣值
每个谱带输入特征的尺度值：
refl=(DN[band]-offset[band])/scale[band]（如果在每个频段中缩放最小值和最大值，则使用 0
到 -1.0 和 1.0）
-a 0 | 1 | 2, --聚合 0 | 1 | 2
如何组合聚合分类器，另见 --rc 选项（0：无聚合，1：
总和规则，2：最大规则）。
-SM 方法, --sm 方法
特征选择方法（sffs=sequential 浮动前向搜索，sfs=sequential
向前搜索，sbs，顺序向后搜索，bfs=蛮力搜索）
- 成本 折扣值, --生态成本 折扣值
epsilon 用于成本函数中的停止标准，以确定最佳数量
功能
-简历 折扣值, - 简历 折扣值
n 折交叉验证模式（默认值：0）
-c 姓名, - 班级 姓名
类名列表。
-r 折扣值, --重新分类 折扣值
类值列表（使用与 - 班级 选项）。
-n 数, --神经元 数
神经网络中隐藏层的神经元数量（多个隐藏层是
通过定义多个神经元来设置： -nn 15 -nn 1、默认为一隐藏
具有 5 个神经元的层）
- 联系 0 | 1
连接速率（默认值：1.0 用于完全连接的网络）
-w 权重, --权重 权重
神经网络的权重。 仅适用于全连接网络，从
第一个输入神经元到最后一个输出神经元，包括偏置神经元（最后一个神经元
在每一层但最后一层）
-l 率, - 学习 率
学习率（默认：0.7）
--麦克西特 数
最大迭代次数（epoch）（默认值：500）
使用 onworks.net 服务在线使用 pkfsann
