The predominant statistical feature

The predominant statistical features selected from the eighth scale of Morlet wavelet were given as an input to the multiclass proximal support vector machine. Totally as mentioned in section 1.0, there are totally 24 classes, all these classes are classified allatonce using multiclass support vector machine. The kernel parameters for classification consist of Nu, Sigma, Tolerance and no. of iterations. Each class consists of 100 data sets and a 10 cross validation is used for testing. The no. of iterations was fixed to 50 for the entire classification and tolerance was set to 0.0001. Table 4
shows results obtained using multiclass proximal support vector
machine for different no. of trails and also time taken for classification
in each trail. The Fig. 9 shows the% error for different trails and
Fig. 10 shows the time taken for classification for a particular trail.

ผลลัพธ์ (ไทย) 1:

คุณลักษณะทางสถิติกันที่เลือกจากขนาดแปดของ Morlet wavelet ได้รับเป็นข้อมูลป้อนเครื่องสนับสนุน multiclass proximal เวกเตอร์ ทั้งหมดดังกล่าวในส่วน 1.0 ทั้งหมดมี 24 ชั้น เรียนเหล่านี้จะใช้เครื่องสนับสนุน multiclass เวกเตอร์ allatonce ลับ เคอร์เนลพารามิเตอร์การจัดประกอบด้วย Nu ซิก ยอมรับ และไม่มี ของการเกิดซ้ำ แต่ละชั้นประกอบด้วยชุดข้อมูล 100 และ 10 ที่ใช้ตรวจสอบระหว่างการทดสอบ ไม่ แผนกำหนดให้ 50 การจัดทั้งหมดและยอมรับถูกมาก 0.0001 ตาราง 4
แสดงผลลัพธ์ที่ได้โดยใช้เวกเตอร์สนับสนุน multiclass proximal
เครื่องในไม่แตกต่างกัน เส้นทางและเวลาที่ใช้สำหรับจัดประเภท
ในแต่ละเส้นทาง ฟิก 9 แสดงข้อผิดพลาด%สำหรับเส้นทางอื่น และ
Fig. 10 แสดงเวลาที่ใช้สำหรับการจัดประเภททางการ

ผลลัพธ์ (ไทย) 2:

คุณสมบัติเด่นสถิติการคัดเลือกจากระดับที่แปดของ Morlet เวฟที่ได้รับเป็น input เพื่อสนับสนุนใกล้เคียงเครื่องเวกเตอร์ multiclass ทั้งหมดที่กล่าวถึงในส่วน 1.0 มีทั้งหมด 24 ชั้นเรียนชั้นเรียนเหล่านี้ทั้งหมดจะถูกจัด allatonce ใช้เครื่องเวกเตอร์สนับสนุน multiclass พารามิเตอร์การจัดหมวดหมู่ประกอบด้วย Nu, Sigma, ความอดทนและไม่มี ของซ้ำ แต่ละชั้นประกอบด้วย 100 ชุดข้อมูลและ 10 ข้ามการตรวจสอบจะใช้สำหรับการทดสอบ ไม่มี ซ้ำถูกจับจ้องไปที่ 50 สำหรับการจัดหมวดหมู่ทั้งหมดและความอดทนเป็นที่ตั้ง 0.0001 ตารางที่ 4
แสดงให้เห็นว่าผลที่ได้รับโดยใช้ multiclass เวกเตอร์สนับสนุนใกล้เคียง
เครื่องไม่แตกต่างกัน ของเส้นทางและยังมีเวลาดำเนินการสำหรับการจัดหมวดหมู่
ในแต่ละเส้นทาง รูปที่ 9 แสดงให้เห็นถึงข้อผิดพลาด% สำหรับเส้นทางที่แตกต่างกันและ
รูปที่ 10 แสดงให้เห็นว่าเวลาดำเนินการจัดหมวดหมู่สำหรับเส้นทางโดยเฉพาะอย่างยิ่ง

ผลลัพธ์ (ไทย) 3:

สถิติการเลือกคุณสมบัติเด่นจากขนาด 8 morlet เวฟได้รับเป็นข้อมูลเพื่อสนับสนุนการทำงานแบบหลายเครื่อง ทั้งหมดที่กล่าวถึงในส่วน 1.0 , มีทั้งหมด 24 ชั้น เรียนเหล่านี้จะจัด allatonce โดยใช้เครื่องเวกเตอร์สนับสนุนหลาย . เคอร์เนลพารามิเตอร์ประเภทประกอบด้วยนู ซิกม่า ความอดทน และไม่ของการทำซ้ำ . แต่ละชั้นประกอบด้วย 100 ชุดข้อมูลและตรวจสอบ 10 ข้ามจะใช้สำหรับการทดสอบ ที่ไม่ซ้ำคงที่ 50 สำหรับหมวดหมู่ทั้งหมดและความอดทนเป็นชุด 2 . ตารางที่ 4 แสดงผลโดยใช้การทำงาน

สนับสนุนเครื่องเวกเตอร์หลายหมายเลขที่แตกต่างกันของเส้นทาง และเวลาถ่ายหมวดหมู่
ในแต่ละเส้นทาง มีภาพประกอบ9 แสดงข้อผิดพลาด % สำหรับเส้นทางที่แตกต่างกันและ
รูปที่ 10 แสดงเวลาถ่ายหมวดหมู่สำหรับเส้นทางโดยเฉพาะ