The classification process is divid

The classification process is divided into two parts i.e. the training and the testing part. Firstly, in the training part known data (i.e. 28 features * 46 images) are given to the classifier for training. Secondly, in the testing part, 50 images are given to the classifier and the classification is performed by using SVM and SVM-KNN after training the part. Gaussian Radial Basis function (RBF) K (y, yi) = exp( - 2 i ) was chosen to train SVM-KNN and the parameter (J is set to 2e-l in the SVM-KNN model. The accuracy rate, sensitivity, specificity and error rate of classifiers depends on the efficiency of the training part and some other parameters associated with classifiers.

ผลลัพธ์ (ไทย) 1:

กระบวนการการจัดประเภทจะแบ่งออกเป็นสองส่วนคือส่วนการทดสอบและการฝึกอบรม ประการแรก ในส่วนการฝึกอบรมทราบข้อมูล (เช่น 28 คุณสมบัติ * 46 ภาพ) จะได้รับการจำแนกสำหรับการฝึกอบรม ประการที่สอง ในส่วนการทดสอบ ภาพ 50 ภาพจะได้รับการจำแนก และการจัดประเภทจะดำเนินการ โดยใช้ SVM และ SVM KNN หลังการฝึกอบรมส่วนหนึ่ง ฟังก์ชันฐานรัศมีนที่ (RBF) K (y, yi) = exp (- 2 ฉัน) เลือก SVM KNN และพารามิเตอร์ (J ตั้งเป็น 2e-l ในรูปแบบ SVM KNN อัตราความแม่นยำ ความไว ความจำเพาะและข้อผิดพลาดอัตราคำหลักภาษาขึ้นกับประสิทธิภาพของส่วนฝึกอบรมและพารามิเตอร์อื่น ๆ ที่เกี่ยวข้องกับคำหลักภาษา

ผลลัพธ์ (ไทย) 2:

ขั้นตอนการจัดหมวดหมู่จะแบ่งออกเป็นสองส่วนคือการฝึกอบรมและเป็นส่วนหนึ่งในการทดสอบ ประการแรกในข้อมูลส่วนหนึ่งที่รู้จักกันในการฝึกอบรม (เช่น 28 คุณสมบัติ * 46 ภาพ) จะได้รับการจําแนกสำหรับการฝึกอบรม ประการที่สองในส่วนของการทดสอบ 50 ภาพจะได้รับการจําแนกและการจัดหมวดหมู่ที่มีการดำเนินการโดยใช้ SVM และ SVM-KNN หลังการฝึกอบรมส่วน Gaussian Radial ฟังก์ชั่นพื้นฐาน (RBF) K (y, Yi) = exp (- 2) การได้รับการคัดเลือกในการฝึกอบรม SVM-KNN และพารามิเตอร์ (J ถูกตั้งค่าให้ 2E-L ในรูปแบบ SVM-KNN อัตราความถูกต้อง, ความไว. ความจำเพาะและความผิดพลาดของอัตราลักษณนามขึ้นอยู่กับประสิทธิภาพของการมีส่วนร่วมการฝึกอบรมและบางพารามิเตอร์อื่น ๆ ที่เกี่ยวข้องกับการจําแนก

ผลลัพธ์ (ไทย) 3:

กระบวนการจำแนกออกเป็น 2 ส่วน คือ การฝึกอบรมและส่วนการทดสอบ ประการแรก ในส่วนการเรียกข้อมูล ( เช่น 28 * * * * คุณสมบัติ 46 รูป ) ให้กับแบบฝึก ประการที่สอง ในส่วนการทดสอบ 50 ภาพจะได้รับการจำแนกและการจำแนกจะดําเนินการโดยใช้ SVM svm-knn และหลังการฝึกอบรมส่วนหนึ่ง รัศมีพื้นฐานการทำงานของเกาส์ ( RBF ) K ( Y , อี ) = exp ( - 2 ) ถูกเลือกเพื่อฝึก svm-knn และพารามิเตอร์ ( J เป็นชุด 2e-l ใน svm-knn นางแบบ อัตราความถูกต้อง ความไว ความจำเพาะ และอัตราความผิดพลาดของคำขึ้นอยู่กับประสิทธิภาพของส่วนอบรมและบางพารามิเตอร์อื่น ๆที่เกี่ยวข้องกับลักษณนาม