It was found that all 8 input featu

It was found that all 8 input features produced a maximum LOO accuracy of 94.2% using a SVM with Gaussian kernel, s=0.5 and C=10. Due to space constraints, we report only the best accuracies over the range of SVM kernels (Table 2) where on average, the Gaussian kernel was found to provide better classification compared to the polynomial and linear kernels. The SVM was better overall at detecting the healthy subjects compared to the OA gait as depicted by the higher specificities.

ผลลัพธ์ (ไทย) 1:

พบว่า คุณลักษณะอินพุต 8 ทั้งหมดผลิตที่แม่นยำ LOO สูงสุด 94.2% ใช้ SVM เป็น Gaussian เคอร์เนล s = 0.5 และ C = 10 เนื่องจากพื้นที่จำกัด เรารายงานเฉพาะ accuracies ดีกว่าเมล็ดช่วง SVM (ตารางที่ 2) ซึ่งโดยเฉลี่ย เคอร์เนล Gaussian พบให้ดีประเภทเปรียบเทียบกับเมล็ดเส้น และโพลิโนเมีย การ SVM โดยรวมที่ตรวจสอบเปรียบเทียบกับเดิน OA ที่แสดง โดย specificities สูงเรื่องสุขภาพดีได้

ผลลัพธ์ (ไทย) 2:

มันก็พบว่าทั้ง 8 คุณสมบัติการป้อนข้อมูลการผลิตที่ถูกต้องสูงสุด LOO ของ 94.2% โดยใช้ SVM กับเคอร์เนลเสียน A, S = 0.5 และ C = 10 เนื่องจากข้อ จำกัด ของพื้นที่ที่เรารายงานเฉพาะความถูกต้องที่ดีที่สุดในช่วงของเมล็ด SVM (ตารางที่ 2) ซึ่งโดยเฉลี่ยเคอร์เนลเสียนถูกพบเพื่อให้การจัดหมวดหมู่ที่ดีขึ้นเมื่อเทียบกับเมล็ดพหุนามและเชิงเส้น SVM ดีโดยรวมในการตรวจสอบสุขภาพดีเมื่อเทียบกับการเดินโอเป็นภาพโดยไม่เฉพาะเจาะจงที่สูงขึ้น

ผลลัพธ์ (ไทย) 3:

ผลการวิจัยพบว่า คุณลักษณะที่ผลิตได้สูงสุด 8 ใส่ลู 94.2 % ความถูกต้องโดยใช้ SVM กับเสียนเคอร์เนล , S = 0 และ C = 10 เนื่องจากข้อจำกัดด้านพื้นที่ เรารายงานเท่านั้นที่ดีที่สุดความถูกต้องมากกว่าช่วงของ SVM เมล็ด ( ตารางที่ 2 ) ที่ระดับเคอร์เนลเสียนพบให้ดีการจำแนกเปรียบเทียบกับเมล็ดพหุนามและเชิงเส้นSVM โดยภาพรวมดีขึ้นในการตรวจหาคนปกติเทียบกับ OA การเดินเป็นภาพโดย - สูง