In this section, we demonstrate the

In this section, we demonstrate the effect of the number
of PIR sensors on recognition accuracy in classifying walking
directions. Table I summarizes the average of 10 times 10-fold
cross-validation results over the selected classification methods
based on PIR signals. We do not show standard deviation of
the results because the average values are very close to each
other (i.e., very small standard deviation) for all classifiers.
In Table I, we can know that instance-based learning
method (k-nearest neighbor algorithm) shows the best

ผลลัพธ์ (ไทย) 2:

ในส่วนนี้เราแสดงให้เห็นถึงผลกระทบของจำนวนของเซ็นเซอร์ PIR กับความถูกต้องการยอมรับในการจำแนกเดินทิศทาง ตารางที่ผมสรุปค่าเฉลี่ยของ 10 เท่า 10 เท่าผลการตรวจสอบข้ามมากกว่าวิธีการจัดหมวดหมู่ที่เลือกขึ้นอยู่กับสัญญาณPIR เราไม่ได้แสดงความเบี่ยงเบนมาตรฐานของผลเนื่องจากค่าเฉลี่ยมีความใกล้ชิดกับแต่ละอื่นๆ (เช่นขนาดเล็กมากส่วนเบี่ยงเบนมาตรฐาน) สำหรับลักษณนามทั้งหมด. ในตารางที่เราสามารถรู้ว่าการเรียนรู้เช่นตามวิธี (อัลกอริทึมเพื่อนบ้าน k-ที่ใกล้ที่สุด ) แสดงให้เห็นที่ดีที่สุด

ผลลัพธ์ (ไทย) 3:

ในส่วนนี้เราแสดงให้เห็นถึงอิทธิพลของหมายเลข
ของ PIR เซ็นเซอร์บนความถูกต้องในการรู้จำเมื่อเดิน
เส้นทาง ตารางสรุปงานเฉลี่ย 10 ครั้ง 10 เท่า
ข้ามการตรวจสอบผลลัพธ์มากกว่าวิธีการเลือกหมวดหมู่
ตามสัญญาณอินฟราเรด . เราไม่แสดงส่วนเบี่ยงเบนมาตรฐานของ
เพราะผลลัพธ์ค่าเฉลี่ยที่ใกล้ชิดกับแต่ละอื่น ๆ ( เช่น
,ส่วนเบี่ยงเบนมาตรฐาน ) ขนาดเล็กมากทั้งหมด คือ
ในโต๊ะฉัน เราสามารถรู้ได้ว่าตัวอย่างการเรียนรู้
วิธี ( ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด ) จะแสดงที่ดีที่สุด