Accord.NET Framework是在AForge.NET專案的基礎上封裝和進一步開發而來。因為AForge.NET更注重與一些底層和廣度，而Accord.NET Framework更注重與機器學習演算法以及提供計算機視訊、音訊、訊號處理以及統計應用相關的解決方案。該專案使用C#語言編寫，專案主頁：

    說明：該文章只是一個基本介紹，主要內容是翻譯的官方文件和介紹，部分英文表述個人能力有限，不太熟悉，所以直接照搬原文，有比較確切的知道中文名稱的可以提醒一些我，非常感。本人將使用該元件進行一些簡單的資料探勘和機器學習任務，過程和程式碼都將發表在本部落格，有興趣的可以關注。

1.

基本功能與介紹

    Accord.NET為.NET應用程式提供了統計分析、機器學習、影象處理、計算機視覺相關的演算法。Accord.NET框架擴充套件了AForge.NET框架，提供了一些新功能。同時為.NET環境下的科學計算提供了一個完整的開發環境。該框架被分成了多個程式集，可以直接從官網下載安裝檔案或者使用NuGet得到。可以參考以下連結:https://github.com/accord-net/framework/wiki

1.1 框架的三大功能模組

Accord.NET框架主要有三個大的功能性模組。分別為科學技術，訊號與影象處理，支援元件。下面將對3個模型的名稱空間和功能進行簡單介紹。可以讓大家更快的接觸和了解其功能是否是自己想要的，下面是主要的名稱空間介紹。

1.1.1 科學計算

Accord.Math:包括矩陣擴充套件程式，以及一組矩陣數值計算和分解的方法，也包括一些約束和非約束問題的數值優化演算法，還有一些特殊函式以及其他一些輔助工具。

Accord.Statistics:包含概率分佈、假設檢驗、線性和邏輯迴歸等統計模型和方法,隱馬爾科夫模型,(隱藏)條件隨機域、主成分分析、偏最小二乘判別分析、核心方法和許多其他相關的技術。

Accord.MachineLearning: 為機器學習應用程式提供包括支援向量機,決策樹,樸素貝葉斯模型,k-means聚類演算法,高斯混合模型和通用演算法如Ransac,交叉驗證和網格搜尋等演算法。

Accord.Neuro

1.1.2 訊號與影象處理

Accord.Imaging:包含特徵點探測器(如Harris, SURF, FAST and  FREAK),影象過濾器、影象匹配和影象拼接方法,還有一些特徵提取器。

Accord.Audio:包含一些機器學習和統計應用程式說需要的處理、轉換過濾器以及處理音訊訊號的方法。

Accord.Vision:實時人臉檢測和跟蹤,以及對人流影象中的一般的檢測、跟蹤和轉換方法，還有動態模板匹配追蹤器。

1.1.3 支援元件

主要是為上述一些元件提供資料顯示，繪圖的控制元件，分為以下幾個名稱空間：

Accord.Controls:包括科學計算應用程式常見的柱狀圖、散點圖和表格資料瀏覽。

Accord.Controls.Imaging:包括用來顯示和處理的影象的WinForm控制元件，包含一個方便快速顯示影象的對話方塊。 

Accord.Controls.Audio:顯示波形和音訊相關性資訊的WinForm控制元件。

Accord.Controls.Vision:包括跟蹤頭部,臉部和手部運動以及其他計算機視覺相關的任務WinForm控制元件。

1.2 支援的演算法介紹

下面將Accord.NET框架包括的主要功能演算法按照類別進行介紹。來源主要是官網介紹，進行了簡單的翻譯和整理。

1.2.1 分類(Classification)

SVM(支援向量機)、Logistic Regression(邏輯迴歸)、Decision Trees(決策樹)、 Neural Networks(神經網路)、Deep Learning(深度學習)(Deep Neural Networks深層神經網路)、Levenberg-Marquardt with Bayesian Regularization、Restricted Boltzmann Machines(限制玻耳茲曼機)、Sequence classification (序列分類),Hidden Markov Classifiers and Hidden Conditional Random Fields(隱馬爾科夫分類器和隱藏條件隨機域)。

1.2.2 迴歸(Regression)

Multiple linear regression(多元線性迴歸-單因變數多自變數)、Multivariate linear regression(多元線性迴歸-多因變數多自變數)、polynomial regression (多項式迴歸)、logarithmic regression(對數迴歸)、Logistic regression(邏輯迴歸)、multinomial logistic regression(多項式邏輯迴歸)(softmax) and generalized linear models(廣義線性模型)、L2-regularized L2-loss logistic regression , L2-regularized logistic regression , L1-regularized logistic regression , L2-regularized logistic regression in the dual form and regression support vector machines。

1.2.3 聚類(Clustering)

K-Means、K-Modes、Mean-Shift(均值漂移)、Gaussian Mixture Models(高斯混合模型)、Binary Split(二元分裂)、Deep Belief Networks(深層的信念網路)、 Restricted Boltzmann Machines(限制玻耳茲曼機)。聚類演算法可以應用於任意資料,包括影象、資料表、視訊和音訊。

1.2.4 概率分佈(Distributions)

包括40多個分佈的引數和非引數估計。包括一些常見的分佈如正態分佈、柯西分佈、超幾何分佈、泊松分佈、伯努利；也包括一些特殊的分佈如Kolmogorov-Smirnov , Nakagami、Weibull、and Von-Mises distributions。也包括多元分佈如多元正態分佈、Multinomial 、Independent 、Joint and Mixture distributions。

1.2.5 假設檢驗(Hypothesis Tests)

超過35統計假設測試,包括單向和雙向方差分析測試、非引數測試如Kolmogorov-Smirnov測試和媒體中的訊號測試。contingency table tests such as the Kappa test，with variations for multiple tables , as well as the Bhapkar and Bowker tests; and the more traditional Chi-Square , Z , F , T and Wald tests .

1.2.6 核方法(Kernel Methods)

核心支援向量機,多類和多標籤向量機、序列最小優化、最小二乘學習、概率學習。Including special methods for linear machines such as LIBLINEAR's methods for Linear Coordinate Descent , Linear Newton Method , Probabilistic Coordinate Descent , Probabilistic Coordinate Descent in the Dual , Probabilistic Newton Method for L1 and L2 machines in both the dual and primal formulations .

1.2.7 影象(Imaging)

興趣和特徵點探測器如Harris,FREAK,SURF,FAST。灰度共生矩陣,Border following,Bag-of-Visual-Words (BoW),RANSAC-based homography estimation , integral images , haralick textural feature extraction , and dense descriptors such as histogram of oriented gradients (HOG) and Local Binary Pattern (LBP).Several image filters for image processing applications such as difference of Gaussians , Gabor , Niblack and Sauvola thresholding。還有幾個影象處理中經常用到的影象過濾器。

1.2.8 音訊訊號(Audio and Signal)

音訊訊號的載入、解析、儲存、過濾和轉換,如在空間域和頻域應用音訊過濾器。WAV檔案、音訊捕捉、時域濾波器,高通,低通,波整流過濾器。Frequency-domain operators such as differential rectification filter and comb filter with Dirac's delta functions . Signal generators for Cosine , Impulse , Square signals.

1.2.9 視覺(Vision)

實時人臉檢測和跟蹤,以及影象流中檢測、跟蹤、轉換的一般的檢測方法。Contains cascade definitions , Camshift and Dynamic Template Matching trackers . Includes pre-created classifiers for human faces and some facial features such as noses。

1.3 相關資源

    從專案主頁：http://accord-framework.net/下載的“Archive”壓縮包中，包括了幾乎所有的線上資源。如下圖，介紹幾個主要的資源：

    Debug是一些用於除錯的程式集，Docs是幫助文件，Externals是一些輔助的元件，Release是不同.NET環境的Dll程式集版本，Samples是案例原始碼，Setup是安裝的程式，Sources是專案的原始碼，Unit Tests是單元測試程式碼。

Accord.NET框架原始碼託管在GitHub：

上面有大量的入門資源和教程，例如，檢視頁面右邊的列表欄切換：