This paper presents an automated cl

This paper presents an automated classification method
for images that represent UML Class diagram. To this end,
we discuss features extracted from images as input to the
classifier for UML class diagrams. In this study, we introduced
23 features that capture statistical and geometric characteristics
of diagrams. We find that using these metrics as
predictors for the classification reaches 95.9% and 91.4%
(respectively) of correct classification of input images for
UML CD and non-UML CD. For this study 1300 different
images are collected from the Internet through Google Image
Search. We make this dataset available as a benchmark.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แสดงวิธีการจัดประเภทอัตโนมัติสำหรับภาพที่แสดงแผนภาพคลาส UML เพื่อการนี้เราหารือคุณสมบัติที่แยกจากภาพเป็นข้อมูลป้อนเข้าไปclassifier สำหรับไดอะแกรม UML คลา ในการศึกษานี้ เราแนะนำคุณลักษณะ 23 ที่จับลักษณะเรขาคณิต และสถิติไดอะแกรม เราพบว่าการใช้เครื่องมือวัดเหล่านี้เป็นpredictors สำหรับการจัดประเภทถึง 95.9% และ 91.4%(ตามลำดับ) จัดประเภทที่ถูกต้องของสัญญาณภาพUML CD และ UML CD สำหรับการศึกษานี้ 1300 แตกต่างกันภาพรวบรวมจากอินเทอร์เน็ตผ่าน Google รูปภาพค้นหา เราได้ชุดข้อมูลนี้ว่างเป็นเกณฑ์มาตรฐาน

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอวิธีการจัดหมวดหมู่โดยอัตโนมัติเพื่อให้ได้ภาพที่เป็นตัวแทนของ UML ชั้นแผนภาพ
ด้วยเหตุนี้เราหารือเกี่ยวกับคุณสมบัติสกัดจากภาพเป็น input กับลักษณนามสำหรับแผนภาพUML ระดับ ในการศึกษานี้เราได้แนะนำ23 คุณสมบัติที่จับลักษณะทางสถิติและเรขาคณิตของแผนภาพ เราพบว่าการใช้ตัวชี้วัดเหล่านี้เป็นตัวทำนายสำหรับการจำแนกถึง 95.9% และ 91.4% (ตามลำดับ) การจัดหมวดหมู่ของภาพที่ถูกต้องสำหรับการป้อนข้อมูลUML ซีดีและไม่ UML ซีดี สำหรับการศึกษาที่แตกต่างกันนี้ 1,300 ภาพจะถูกเก็บรวบรวมจากอินเทอร์เน็ตผ่าน Google Image ค้นหา เราจะให้ชุดนี้สามารถใช้ได้เป็นมาตรฐาน

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอวิธีการจำแนกอัตโนมัติ
สำหรับรูปภาพที่แสดงแผนภาพแผนภาพคลาส . ด้วยเหตุนี้
เราหารือคุณสมบัติสารสกัดจากภาพที่นำเข้า
ลักษณนามสำหรับแผนภาพแผนภาพคลาส . ในการศึกษานี้เราแนะนำ
23 คุณสมบัติทางเรขาคณิตและจับลักษณะ
ของแผนภาพ เราพบว่า การใช้ตัวชี้วัดเหล่านี้เป็น
พยากรณ์หมวดหมู่ถึง 959 % และส่วน %
( ตามลำดับ ) ของหมวดหมู่ที่ถูกต้องของภาพที่ใส่ซีดีและซีดีที่ไม่ใช่ UML UML
. สำหรับการศึกษานี้ 1300 ต่างกัน
ภาพจะถูกเก็บรวบรวมจากอินเทอร์เน็ตผ่านรูปภาพ
Google เราให้ข้อมูลนี้สามารถใช้ได้เป็นมาตรฐาน .