The SVM is based on statistical lea

The SVM is based on statistical learning theory. SVM’s
better generalization performance is based on the principle
of Structural Risk Minimization (SRM) [4]. The concept of
SRM is to maximize the margin of class separation. The
SVM was defined for two-class problem and it looked for
optimal hyper-plane, which maximized the distance, the
margin, between the nearest examples of both classes,
named SVM [5]. For information detail about SVM can be
seen in [4,5,6].

ผลลัพธ์ (ไทย) 1:

SVM ตั้งอยู่บนทฤษฎีการเรียนรู้ทางสถิติ ของ SVM
generalization ประสิทธิภาพตามหลัก
ของโครงสร้างความเสี่ยงลดภาระ (SRM) [4] แนวคิดของ
SRM จะขยายไปทางแยกชั้น
SVM ได้กำหนดปัญหาสองชั้น และได้ดู
สุดไฮเปอร์เครื่องบิน ที่ขยายใหญ่สุดระยะห่าง การ
ขอบ ระหว่างตัวอย่างที่ใกล้ที่สุดของทั้งสองชั้น
ชื่อ SVM [5] สำหรับข้อมูล รายละเอียดเกี่ยวกับ SVM ได้
เห็นใน [4,5,6]

ผลลัพธ์ (ไทย) 2:

SVM อยู่บนพื้นฐานของทฤษฎีการเรียนรู้ทางสถิติ SVM ของ
ประสิทธิภาพการทำงานทั่วไปที่ดีขึ้นเป็นไปตามหลักการ
ของโครงสร้างความเสี่ยงลด (SRM) [4] แนวคิดของ
SRM คือการเพิ่มอัตรากำไรขั้นต้นของการแยกชั้น
SVM ถูกกำหนดสำหรับปัญหาสองระดับและจะมองหา
ที่ดีที่สุดมากเกินไปเครื่องบินซึ่งขยายระยะทางที่
อัตราการทำกำไรระหว่างตัวอย่างที่ใกล้เคียงที่สุดของชั้นเรียนทั้งสอง
ชื่อ SVM [5] เพื่อดูรายละเอียดข้อมูลเกี่ยวกับ SVM สามารถ
มองเห็นได้ใน [4,5,6]

ผลลัพธ์ (ไทย) 3:

SVM ตามทฤษฎีการเรียนรู้เชิงสถิติ SVM เป็น
ดีกว่าการกระทำบนพื้นฐานของหลักการของการลดความเสี่ยง
โครงสร้าง ( SRM ) [ 4 ] แนวคิดของ
SRM คือเพื่อ เพิ่มอัตราของการแยกชั้น
SVM ได้นิยามปัญหาคลาสสอง และตามหา
เครื่องบินที่ดีที่สุด ไฮเปอร์ ซึ่งขยายไกล
ขอบระหว่างตัวอย่างที่ใกล้ที่สุดของทั้งชั้นเรียน
ชื่อ SVM [ 5 ] สำหรับข้อมูลรายละเอียดเกี่ยวกับ SVM สามารถเห็นได้ใน 4,5,6
[ ]