一、Hyperboxes概念

        超级盒子，是对超立方体进行分层属性归类的方法构造出分类器；通过指定正类和反类实现对对象分类的目的。

二、关于超级盒子的算子

1. clear_sampset   功能：释放一个数据集的内存。

clear_sampset( : : SampKey : )

        clear_sampset 释放用于训练已被 read_sampset 读取的数据集的内存。此内存只能与 read_sampset 结合使用。

2.read_sampset    功能：从一个文件中读取一个训练数据组。

read_sampset( : : FileName : SampKey)

        通过调用运算符 clear_sampset 和 learn_sampset_box，可以使用键 SampKey 访问训练示例。您可以使用编辑器编辑文件。每行包含一个具有相应类的属性数组。格式的示例可能是：

(1.0, 25.3, * , 17 | 3)

        这一行指定了一个属于类 3 的属性数组。在这个数组中，第三个属性是未知的。 5以上的属性也应该是未知的。您可以在任何地方插入 /* .. */ 之类的注释。

3. close_all_class_box   功能：清除所有分类器（已弃用）。

4. create_class_box   功能：创建一个新的分类器。

create_class_box( : : : ClassifHandle)

        create_class_box 创建一个新的自适应分类器。章节分类中解释的所有运算符均指这种初始化分类器（类型2）。有关分类器功能的更多详细信息，请参见 learn_class_box。

5. descript_class_box   功能：分类器的描述。

descript_class_box( : : ClassifHandle, Dimensions : ClassIdx, BoxIdx, BoxLowerBound, BoxHigherBound, BoxNumSamplesTrain, BoxNumSamplesWrong)

        descript_class_box 描述框分类器的类。盒分类器为每个类使用一组超长方体（盒）。这些框描述了样本的分布。

        descript_class_box 返回每个类 (ClassIdx) 从维度 1 到维度 (BoxLowerBound, BoxHigherBound) 的每个包含框 (BoxIdx) 的边界，以及在学习阶段用于确定每个维度的这些边界的样本数 ( BoxNumSamplesTrain）。此外，在学习阶段分配给错误类别的样本数在 BoxNumSamplesWrong 中返回。

框的边界信息可用于检查框分类器。

• ClassifHandle (input_control)  class_box → (integer)

分类器的句柄。

• Dimensions (input_control)  integer → (integer)

输出的最高维度。默认值: 3

• ClassIdx (output_control)  integer(-array) → (integer)

类的索引。

• BoxIdx (output_control)  integer(-array) → (integer)

箱子的索引。

• BoxLowerBound (output_control)  integer(-array) → (integer)

框的下限（对于每个维度）。

• BoxHigherBound (output_control)  integer(-array) → (integer)

框的上限（对于每个维度）。

• BoxNumSamplesTrain (output_control)  integer(-array) → (integer)

用于定义此框的训练样本数（对于每个维度）。

• BoxNumSamplesWrong (output_control)  integer(-array) → (integer)

错误分配给框的训练样本数。

6. enquire_class_box   功能：为一组属性分类。

enquire_class_box( : : ClassifHandle, FeatureList : Class)

        FeatureList 是任何浮点数或整数（属性）的元组，必须在先前训练的 (learn_class_box) 分类器的帮助下将其分配给一个类。可以通过指示符号“*”而不是数字来将属性指定为未知。如果您指定 n 个值，则所有后续值，即属性 n+1 直到 'max'，都将自动假定为未定义。

        有关分类器功能的更多详细信息，请参见 learn_class_box。

        您可以交替调用运算符 learn_class_box 和 enquire_class_box，以便可以在学习阶段进行分类。这意味着您可以看到何时达到了令人满意的行为。

7. enquire_reject_class_box   功能：为一组带抑制类的属性分类。

enquire_reject_class_box( : : ClassifHandle, FeatureList : Class)

        FeatureList 是任何浮点数或整数（属性）的元组，必须在先前训练的 (learn_class_box) 分类器的帮助下将其分配给一个类。可以通过指示符号“*”而不是数字来将属性指定为未知。如果您指定 n 个值，则所有后续值，即属性 n+1 直到 'max'，都将自动假定为未定义。

        如果属性数组不能分配给一个类，即该数组不位于其中一个超级框内，则与 enquire_class_box 相反，不会返回下一个类，而是返回拒绝类 -1即将通过。

        有关分类器功能的更多详细信息，请参见 learn_class_box。

        您可以交替调用运算符 learn_class_box 和 enquire_class_box，以便可以在学习阶段进行分类。通过这种方式，您可以看到何时达到了令人满意的行为。

8. get_class_box_param   功能：获取关于现在参数的信息。

get_class_box_param( : : ClassifHandle, Flag : Value)

get_class_box_param 获取分类器的参数。 set_class_box_param 中解释了参数的含义。

9. learn_class_box   功能：训练分类器。

learn_class_box( : : ClassifHandle, Features, Class : )

        特征是必须分配给类 Class 的任何浮点数或整数（属性）的元组。此类由整数指定。您可以稍后使用运算符 enquire_class_box 为任何数组 (=tupel) 找到最可能的类。该算法试图通过特征空间中的超长方体来描述一类数组的集合。根据需要，您甚至可以为每个类创建多个长方体。因此，也可以学习分离的概念。即这些概念在特征空间中分成几个“集群”点。数据结构对用户是隐藏的，只能通过本章中描述的操作符访问。

        请注意，如果一个类由会导致各个超长方体分裂的分离子类组成，则训练样本应相对于子类按随机顺序排列。否则，超长方体的分裂将是次优的。

        可以通过指示符号“*”而不是数字来将属性指定为未知。如果您指定 n 个值，则所有后续值，即属性 n+1 直到 'max'，都将自动假定为未定义。

        您可以交替调用运算符 learn_class_box 和 enquire_class_box，以便可以在学习阶段进行分类。通过这种方式，您可以看到何时达到了令人满意的行为。        通过进一步的训练，分类器将变得更大。这意味着，在达到令人满意的行为后继续训练是不可取的。10. learn_sampset_box    功能：用数据组训练分类器。

11. read_class_box    功能：从一个文件中读取分类器。

read_class_box( : : ClassifHandle, FileName : )

        read_class_box 从文件 FileName 中读取保存的分类器（参见 write_class_box）。当前分类器的值被覆盖。盒子分类器的默认 HALCON 文件扩展名是“gbc”。

12. set_class_box_param    功能：为分类器设计系统参数。

set_class_box_param( : : ClassifHandle, Flag, Value : )

        set_class_box_param 修改在调用 learn_class_box 时操纵训练序列的参数。只有分类器的参数被修改，所有其他分类器保持不变。 'min_samples_for_split' 是在允许长方体自行划分之前，必须在该分类器的一个长方体中训练的至少示例数。 “split_error”表示严重错误。如果要训练的示例超过 'min_samples_for_split'，则通过它超出长方体划分自身。 'prop_constant' 操纵长方体的扩展。它与该长方体中的训练样例到长方体中心的平均距离成正比。更详细：

extension x prop = 期望值的平均距离。

        这种关系在每个维度上都有效。因此，在长方体内部，特征空间的维度应该是独立的。
参数设置为与问题无关的默认值，不得无故修改。参数仅在学习序列期间很重要。它们不会影响 enquire_class_box 的行为。

13. test_sampset_box    功能：为一组数组分类。

test_sampset_box( : : ClassifHandle, SampKey : Error)

        与 learn_sampset_box 相比，这里没有学习。通常，您使用 test_sampset_box 对独立的测试数据进行分类。错误为您提供有关学习训练集对新示例的适用性的信息。

14. write_class_box    功能：在一个文件中保存分类器。

write_class_box( : : ClassifHandle, FileName : )

        write_class_box 将分类器 ClassifHandle 写入 FileName 给定的文件。可以使用 read_class_box 读取分类器。盒子分类器的默认 HALCON 文件扩展名是“gbc”。

 三、参考示例

* Classify pixels using hyper-cuboids.
* 
read_image (Image, 'ic')
* Create a new classificator
create_class_box (ClassifHandle)
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width, Height, 'black', WindowID)
dev_display (Image)
dev_set_color ('green')
gen_rectangle1 (foreground, 360, 198, 369, 226)
dev_set_color ('red')
gen_rectangle1 (reject, 84, 336, 337, 504)
* Train the current classificator using a multi-channel image
learn_ndim_box (foreground, reject, Image, ClassifHandle)
class_ndim_box (Image, Regions, ClassifHandle)
dev_set_color ('blue')
close_class_box (ClassifHandle)
dev_display (Image)
dev_display (Regions)