The work here presented concerns an

The work here presented concerns an application study on the
process of urban sprawl, carried out by the use of remote sensed information,
from ASTER data which already proved to be suitable for these
topics. In order to produce synthetic maps of urban areas of the territory,
ASTER images were classified using two automatic classifiers, which
areMaximumLikelihood Classifier (MLC) and Support VectorMachines
(SVMs), the latter based on machine learning theory (Zhu, and
Blumberg, 2002). The aimwas to compare performances in terms of robustness,
speed and accuracy of the two classifiers, regarding urban
pixels.

ผลลัพธ์ (ไทย) 1:

งานนำเสนอที่นี่เกี่ยวข้องกับการศึกษาโปรแกรมประยุกต์ในการกระบวนการของเออร์นั่น ดำเนินการ โดยใช้ข้อมูลในการเหตุการณ์ระยะไกลจากข้อมูลสเตอร์ซึ่งพิสูจน์แล้วจะเหมาะสมกับงานเหล่านี้หัวข้อนี้ เพื่อผลิตแผนที่พื้นที่เมืองดินแดน สังเคราะห์ภาพสวีได้จำแนกการใช้คำนามภาษาอัตโนมัติ 2 ซึ่งareMaximumLikelihood Classifier (MLC) และสนับสนุน VectorMachines(SVMs), หลังตามทฤษฎีการเรียนรู้ของเครื่อง (ซู และBlumberg, 2002) Aimwas การเปรียบเทียบสมรรถนะในด้านเสถียรภาพความเร็วและความถูกต้องของการสองคำนามภาษา เกี่ยวกับการเมืองพิกเซล

ผลลัพธ์ (ไทย) 2:

การทำงานที่นี่นำเสนอความกังวลการศึกษาการประยุกต์ใช้ในกระบวนการของการแผ่กิ่งก้านสาขาที่ดำเนินการโดยใช้ข้อมูลรู้สึกห่างไกลจากข้อมูลASTER ซึ่งได้รับการพิสูจน์แล้วว่าเป็นที่เหมาะสมสำหรับเหล่าหัวข้อ เพื่อผลิตแผนที่สังเคราะห์พื้นที่เขตเมืองของดินแดนที่ภาพ ASTER ถูกจัดให้ใช้สองลักษณนามอัตโนมัติซึ่ง areMaximumLikelihood ลักษณนาม (แอลซี) และ VectorMachines สนับสนุน(SVMs) หลังบนพื้นฐานของทฤษฎีการเรียนรู้เครื่อง (จู้และBlumberg, 2002) . aimwas เพื่อเปรียบเทียบผลการดำเนินงานในแง่ของความทนทาน, ความเร็วและความถูกต้องของทั้งสองแยกประเภทเกี่ยวกับเมืองพิกเซล

ผลลัพธ์ (ไทย) 3:

งานนี้นำเสนอเกี่ยวกับการศึกษามาใช้ในกระบวนการของการแผ่กิ่งก้านสาขาในเมือง
ที่ดําเนินการโดยการใช้รีโมท รู้สึกข้อมูล
จากแอสเตอร์ ข้อมูลที่พิสูจน์แล้วจะเหมาะสมกับหัวข้อเหล่านี้

เพื่อผลิตแผนที่สังเคราะห์ของเขตเมืองของดินแดน
แอสเตอร์ ภาพ จำแนกการใช้สองแบบอัตโนมัติซึ่ง
คำลักษณนามaremaximumlikelihood ลักษณนาม ( MLC ) และสนับสนุน vectormachines
( แบบ ) หลังจากเครื่องทฤษฎีการเรียนรู้ ( Zhu และ
Blumberg , 2002 ) การ aimwas เปรียบเทียบสมรรถนะในแง่ของความแข็งแกร่งและความเร็ว , ความถูกต้องของ
2 คำเกี่ยวกับพิกเซลเมือง