In this study, the performance of t

In this study, the performance of three machine learning algorithms; Random Forests (RF), Support Vector Machines (SVM) and the relatively underused Extremely Randomised Trees (ERT) are evaluated for discriminating between grassland types over two large heterogeneous areas of Ireland using multi-temporal, multi-sensor radar and ancillary spatial datasets.

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ ประสิทธิภาพของสามเครื่องเรียนรู้อัลกอริทึม ป่าสุ่ม (RF), สนับสนุนเวกเตอร์เครื่อง (SVM) และที่ underused ค่อนข้างมาก Randomised ต้นไม้ (ERT) จะประเมินเหยียดพวกผิวระหว่างกราสแลนด์ชนิด 2 พื้นที่บริการขนาดใหญ่ของไอร์แลนด์ใช้เรดาร์เซ็นเซอร์หลายหลายชั่วคราว และ datasets พื้นที่พิเศษ

ผลลัพธ์ (ไทย) 2:

ในการศึกษานี้ประสิทธิภาพการทำงานของสามขั้นตอนวิธีการเรียนรู้เครื่องนั้น ป่าสุ่ม (RF), การสนับสนุนเครื่องเวกเตอร์ (SVM) และป้อแป้ต้นไม้ค่อนข้างสุ่มมาก (ERT) ได้รับการประเมินสำหรับการแบ่งแยกระหว่างชนิดทุ่งหญ้าสองพื้นที่ที่แตกต่างกันมากของไอร์แลนด์โดยใช้หลายชั่วเรดาร์เซ็นเซอร์หลายชุดข้อมูลเชิงพื้นที่และเสริม

ผลลัพธ์ (ไทย) 3:

ในการศึกษานี้ การปฏิบัติงานของทั้งสามเครื่องอัลกอริทึมการเรียนรู้ ; ป่า สุ่ม ( RF ) , เครื่องเวกเตอร์สนับสนุน ( SVM ) และค่อนข้าง underused มาก ( ต้นไม้ ( ERT ) จะทำการแยกแยะระหว่างประเภททุ่งหญ้าขนาดใหญ่กว่าสองข้อมูลพื้นที่ของไอร์แลนด์ใช้ multi ชั่วคราว เรดาร์ multi-sensor ขึ้นอยู่กับพื้นที่และชุดข้อมูล