The term translation is related to

The term translation is related to the location of the window, as
the window is shifted through the signal. This corresponds to the
time information in the transform domain. But instead of a frequency
parameter, we have a scale. Scaling, as a mathematical
operation, either dilates or compresses a signal. Smaller scales correspond
to dilated (or stretched out) signals and large scales correspond
to compressed signals.
The wavelet series is simply a sampled version of the CWT, and
the information it provides is highly redundant as far as the reconstruction
of the signal is concerned. This redundancy, on the other
hand, requires a significant amount of computation time and
resources.
The multilevel 1D wavelet decomposition function, available in
Matlab is chosen with the Morlet wavelets specified. It returns the
wavelet coefficients of signal X at scale N (Soman & Ramachandran,
2005). Fig. 6 shows Morlet wavelet.
Sixty four scales are initially chosen to extract the Morlet wavelet
coefficients of the signal data. The efficiency of sixty four scales
of Morlet wavelets were obtained using WEKA data mining software
and the coefficients of highest scale are considered for classification.
Since the eighth scale gave maximum efficiency of 96.5%,
the statistical features corresponding to it were given as input for
J48 algorithm to determine the predominant features to be given as an input for training and classification using SVM. Fig. 7 gives
the efficiencies of all scales.

ผลลัพธ์ (ไทย) 1:

มีความสัมพันธ์กับตำแหน่งของหน้าต่าง แปลศัพท์เป็น
หน้าต่างจะเปลี่ยนผ่านสัญญาณ นี้สอดคล้องกับ
เวลาข้อมูลในโดเมนการแปลง แต่แทนที่ เป็นความถี่
พารามิเตอร์ เรามีมาตราส่วนเป็นการ มาตราส่วน เป็นการคณิตศาสตร์
ดำเนิน dilates หรือบีบอัดสัญญาณ เครื่องชั่งน้ำหนักขนาดเล็กตรง
เมื่อสัญญาณโป่ง (หรือยืดออก) และเครื่องชั่งน้ำหนักขนาดใหญ่
การบีบอัดสัญญาณ
ชุด wavelet เป็นเพียงตัวอย่างรุ่นของ CWT และ
ให้ข้อมูลไม่ซ้ำซ้อนสูงเท่าที่ทำการฟื้นฟู
ของสัญญาณเป็นกังวล ความซ้ำซ้อนนี้ อีก
มือ ต้องการระยะเวลาคำนวณที่สำคัญ และ
ทรัพยากร
หลายระดับ 1D wavelet แยกส่วนประกอบฟังก์ชัน ใน
Matlab จะเลือกกับ wavelets Morlet ที่ระบุ จะส่งกลับการ
wavelet สัมประสิทธิ์ของสัญญาณ X ที่ระดับ N (Soman & Ramachandran,
2005) Fig. 6 แสดง wavelet Morlet.
หกสี่เกล็ดจะเริ่มเลือกแยก Morlet wavelet
สัมประสิทธิ์ของสัญญาณข้อมูล ประสิทธิภาพของเครื่องชั่งสี่หก
ของ Morlet wavelets ได้รับโดยใช้ซอฟต์แวร์การทำเหมืองข้อมูล WEKA
และสัมประสิทธิ์ของอัตราสูงสุดถือเป็นการจัดประเภทการ
ตั้งแต่ขนาดแปดให้ประสิทธิภาพสูงสุดของ 96.5%,
the สถิติ ที่สอดคล้องกับลักษณะการทำงานได้รับเป็นข้อมูลป้อนเข้าสำหรับ
อัลกอริทึม J48 เพื่อกำหนดลักษณะการทำงานกันที่จะกำหนดให้เป็นอินพุตสำหรับการฝึกอบรมและการจัดประเภทโดยใช้ SVM ให้ fig. 7
ประสิทธิภาพของเครื่องชั่งน้ำหนักทั้งหมด

ผลลัพธ์ (ไทย) 2:

แปลคำที่เกี่ยวข้องกับตำแหน่งของหน้าต่างที่เป็น
หน้าต่างจะเลื่อนผ่านสัญญาณ นี้สอดคล้องกับ
ข้อมูลเวลาในโดเมนเปลี่ยน แต่แทนที่จะความถี่
พารามิเตอร์เรามีขนาด การปรับเป็นทางคณิตศาสตร์
การดำเนินการอย่างใดอย่างหนึ่ง dilates หรือบีบอัดสัญญาณ เครื่องชั่งน้ำหนักขนาดเล็กตรง
ที่จะพอง (หรือยืดออก) สัญญาณและเครื่องชั่งน้ำหนักขนาดใหญ่สอดคล้อง
กับสัญญาณบีบอัด
ชุดเวฟเป็นเพียงตัวอย่างของรุ่น CWT และ
ข้อมูลที่จะให้ซ้ำซ้อนมากเท่าที่ฟื้นฟู
ของสัญญาณที่เป็นห่วง ความซ้ำซ้อนนี้ในอื่น ๆ
มือต้องใช้เป็นจำนวนมากของเวลาในการคำนวณและ
ทรัพยากร
1D ระลอกฟังก์ชั่นการสลายตัวหลายที่มีอยู่ใน
Matlab ได้รับการแต่งตั้งด้วย wavelets Morlet ระบุ ก็จะส่งกลับ
ค่าสัมประสิทธิ์เวฟสัญญาณ X ในระดับ N (Soman และ Ramachandran,
2005) รูปที่ 6 แสดง Morlet เวฟ
หกสิบสี่เครื่องชั่งได้รับการคัดเลือกในขั้นต้นที่จะดึง Morlet ระลอก
สัมประสิทธิ์ของข้อมูลสัญญาณ ประสิทธิภาพของหกสิบสี่เครื่องชั่ง
ของ wavelets Morlet ได้รับโดยใช้ซอฟต์แวร์ WEKA การทำเหมืองข้อมูล
และค่าสัมประสิทธิ์ของขนาดสูงสุดได้รับการพิจารณาสำหรับการจัดหมวดหมู่
ตั้งแต่ระดับที่แปดให้มีประสิทธิภาพสูงสุด 96.5%
คุณสมบัติทางสถิติที่สอดคล้องกับมันได้รับเป็น input สำหรับ
J48 อัลกอริทึมในการตรวจสอบคุณสมบัติเด่นที่ได้รับเป็นข้อมูลสำหรับการฝึกอบรมและการจัดหมวดหมู่โดยใช้ SVM รูปที่ 7 ให้
ประสิทธิภาพของเครื่องชั่งทั้งหมด

ผลลัพธ์ (ไทย) 3:

คําแปลที่เกี่ยวข้องกับตำแหน่งของหน้าต่าง เช่น หน้าต่างเลื่อน
ผ่านสัญญาณ นี้สอดคล้องกับข้อมูลในแปลง
เวลาโดเมน แต่แทนที่จะความถี่
พารามิเตอร์ มีขนาด ปรับเป็นปฏิบัติการทางคณิตศาสตร์
เหมือนกัน dilates หรือบีบอัดสัญญาณ เครื่องชั่งขนาดเล็กสอดคล้อง
เพื่อขยาย ( หรือยืด ) สัญญาณและเครื่องชั่งขนาดใหญ่สอดคล้อง
สัญญาณบีบอัด .
เวฟชุดเป็นเพียงตัวอย่างรุ่นของ CWT และ
ข้อมูลมันมีสูง ( เท่าที่การฟื้นฟู
ของสัญญาณที่เกี่ยวข้อง ความซ้ำซ้อนนี้ บนมืออื่น ๆ
, ต้องมีจำนวนเงินที่สำคัญของเวลาในการคำนวณและ

หลายทรัพยากร การย่อยสลาย 1D เวฟฟังก์ชั่นที่มีอยู่ใน
โปรแกรมจะเลือกด้วย morlet คลื่นที่ระบุ มันส่งกลับ
เวฟสัมประสิทธิ์ของ x ที่ระดับสัญญาณ ( Solution & Ramachandran
, 2005 ) รูปที่ 6 แสดง morlet ละลอก .
หกสิบสี่เครื่องจะเริ่มเลือกที่จะแยก morlet เวฟ
โดยข้อมูลสัญญาณ ประสิทธิภาพของหกสิบสี่ระดับของคลื่นที่ได้รับการ morlet

ซอฟต์แวร์ Weka การทําเหมืองข้อมูลและสัมประสิทธิ์ของขนาดสูงสุดจะถือว่าหมวดหมู่ .
ตั้งแต่ระดับ 8 ให้ประสิทธิภาพสูงสุดของ 96.5 %
คุณสมบัติสถิติที่สอดคล้องกับมันให้ใส่
j48 ขั้นตอนวิธีการกำหนดคุณสมบัติเด่นที่จะได้รับเป็นข้อมูลสำหรับการฝึกอบรมและการจำแนกโดยใช้ SVM . รูปที่ 7 ให้

ประสิทธิภาพของเครื่องชั่ง