where x,z are training vectors. The

where x,z are training vectors. The SVM architectures were trained and tested on a 1.6 GHz Celeron using the D2CSVM software found at http://www.ee.unimelb.edu.au/people/dlai. We used the area of the receiver operating characteristics (ROC) curve for single features to obtain a quantitative measure of individual feature separability. ROC areas were numerically approximated using the trapezoidal rule where larger values implied better linear feature separability.
Table 1: Statistical Analysis and ROC Values of Individual Features for the Symptomatic Group (OA) and the Control Group.

ผลลัพธ์ (ไทย) 1:

ที่ x, z มีเวกเตอร์การฝึกอบรม สถาปัตยกรรม SVM ได้ผ่านการฝึกอบรม และทดสอบในตัว 1.6 GHz เซเลรอนใช้ซอฟต์แวร์ D2CSVM http://www.ee.unimelb.edu.au/people/dlai เราใช้พื้นที่ของผู้รับปฏิบัติลักษณะ (ROC) เส้นโค้งคุณลักษณะเดียวสามารถวัดเชิงปริมาณของแต่ละคุณลักษณะ separability พื้นที่ ROC เรียงตามตัวเลขถูกเลียนแบบโดยใช้กฎ trapezoidal ที่ใหญ่กว่าค่านัย separability ดีเชิงคุณลักษณะ ตารางที่ 1: การวิเคราะห์ทางสถิติและค่า ROC ของแต่ละกลุ่มอาการ (OA) และ กลุ่มควบคุม

ผลลัพธ์ (ไทย) 2:

ที่ x, z ที่มีการฝึกอบรมเวกเตอร์ สถาปัตยกรรม SVM รับการฝึกอบรมและการทดสอบบน Celeron 1.6 GHz โดยใช้ซอฟแวร์ D2CSVM ที่พบ http://www.ee.unimelb.edu.au/people/dlai เราใช้พื้นที่ลักษณะการดำเนินงานรับสัญญาณ (ROC) โค้งสำหรับคุณสมบัติเดียวที่จะได้รับตัวชี้วัดเชิงปริมาณของคุณลักษณะแยกของแต่ละบุคคล พื้นที่ ROC ถูกห้วงตัวเลขโดยใช้กฎสี่เหลี่ยมคางหมูที่มีขนาดใหญ่กว่าค่านัยดีกว่าแยกคุณลักษณะเชิงเส้น.
ตารางที่ 1: การวิเคราะห์ทางสถิติและร็อคค่าของคุณลักษณะส่วนบุคคลสำหรับกลุ่มอาการ (OA) และกลุ่มควบคุม

ผลลัพธ์ (ไทย) 3:

ที่ x , Z เป็นเวกเตอร์การฝึกอบรม SVM สถาปัตยกรรมผ่านการอบรมและทดสอบใน 1.6 GHz Celeron ใช้ d2csvm ซอฟต์แวร์ที่พบใน http://www.ee.unimelb.edu.au/people/dlai . เราใช้พื้นที่ของรับคุณลักษณะการทำงาน ( ROC ) เส้นโค้งคุณลักษณะเดียวที่จะได้รับการวัดเชิงปริมาณของการแยกออกคุณลักษณะของแต่ละบุคคลพื้นที่ร็อคมีตัวเลขโดยประมาณโดยใช้กฎสี่เหลี่ยมคางหมูที่ค่าขนาดใหญ่โดยการแยกออกคุณลักษณะเชิงเส้นดีกว่า
ตารางที่ 1 : การวิเคราะห์ทางสถิติและค่า roc คุณสมบัติแต่ละกลุ่มอาการ ( OA ) และกลุ่มควบคุม