All the features used for veri"cati

All the features used for veri"cation had almost the
same degree of e!ectiveness whether they were used to
compare the sample to prototype or vice versa.
f Central line features contain the largest number of
points per image. Some of these points are useless
because they are concentrated in the central region.
f Corner curve features are not highly e!ective in the
veri"cation process.
f It is quite su$cient to use the corner line features,
central circle features and critical point features in the
discriminating feature set.
f An average of 98% overall veri"cation certainty was
achieved.
f The best-"t method produced better results than existing
methods because each point was given a grade
according to its degree of matching.
f The decision to accept or reject was controlled by the
grade of the signature.
f The most powerful features were the critical point
features, although they are computationally exhaustive.
f The thinning algorithm may reduce the reliability of
the system because all the features are based on t

ผลลัพธ์ (ไทย) 1:

คุณสมบัติทั้งหมดที่ใช้สำหรับแอน "รกมีการเกือบระดับเดียวกันของ e ! ectiveness ว่า พวกเขาเคยใช้เปรียบเทียบตัวอย่างต้นแบบ หรือในทางกลับกันคุณสมบัติสายเซ็นทรัล f ประกอบด้วยมากสุดจุดต่อรูปภาพ บางจุดเหล่านี้มีประโยชน์เพราะพวกเขามีความเข้มข้นในภาคกลางf มุมโค้งมีไม่สูง e ! ective ในการแอน "กระบวนการรกf เป็น cient $ su ค่อนข้างจะใช้มุมบรรทัดคุณสมบัติวงกลมกลางคุณสมบัติและคุณลักษณะจุดวิกฤติในการชุดคุณลักษณะเหยียดอย่างนี้f เฉลี่ย 98% โดยรวมแอน "รกแน่นอนเป็นประสบความสำเร็จf ที่ดีที่สุด-"t วิธีผลิตผลลัพธ์ที่ดีกว่าเดิมวิธีการ เพราะแต่ละจุดได้รับเกรด aตามขององศาที่ตรงกันf การตัดสินใจยอมรับ หรือปฏิเสธถูกควบคุมโดยการเกรดของลายเซ็นf มีประสิทธิภาพมากที่สุดคุณสมบัติถูกจุดสำคัญมี แม้ว่าพวกเขาจะ computationally หมดแรงอัลกอริทึมผม f อาจลดความน่าเชื่อถือระบบเนื่องจากคุณลักษณะทั้งหมดขึ้นอยู่กับ t

ผลลัพธ์ (ไทย) 2:

คุณสมบัติทั้งหมดที่ใช้สำหรับ Veri "ไอออนบวกมีเกือบ
ระดับเดียวกันของ e! ectiveness ว่าพวกเขาถูกนำมาใช้ในการ
เปรียบเทียบตัวอย่างต้นแบบหรือในทางกลับกัน.
F คุณลักษณะสายกลางมีจำนวนมากที่สุดของ
คะแนนต่อภาพ. บางจุดเหล่านี้จะไร้ประโยชน์
เพราะพวกเขามีความเข้มข้นในภาคกลาง.
F คุณสมบัติโค้งมุมไม่ได้สูง E! ective ใน
Veri "กระบวนการไอออนบวก.
ฉมันค่อนข้าง Su $ เพียงพอที่จะใช้คุณสมบัติเส้นด้านซ้าย,
คุณลักษณะวงกลมกลางและคุณลักษณะจุดสำคัญในการ
แบ่งแยก คุณลักษณะชุด.
F ค่าเฉลี่ยของ Veri โดยรวม 98% "ไอออนบวกความมั่นใจได้รับการ
ประสบความสำเร็จ.
ประเภท f best-" วิธีการผลิต T ผลลัพธ์ที่ดีกว่าที่มีอยู่
วิธีการเพราะแต่ละจุดได้รับเกรด A
ตามระดับของการจับคู่.
F การตัดสินใจที่จะยอมรับหรือ ปฏิเสธถูกควบคุมโดย
คะแนนของลายเซ็น.
F คุณลักษณะที่มีประสิทธิภาพมากที่สุดคือจุดที่สำคัญ
คุณสมบัติแม้ว่าพวกเขาจะหมดจดคอมพิวเตอร์.
F ขั้นตอนวิธีการทำให้ผอมบางอาจจะลดความน่าเชื่อถือของ
ระบบเนื่องจากคุณลักษณะทั้งหมดที่อยู่บนพื้นฐานของ T

ผลลัพธ์ (ไทย) 3:

คุณลักษณะทั้งหมดที่ใช้สำหรับข้อมูล " การได้เกือบจะระดับ E เหมือนกัน ectiveness ไม่ว่าพวกเขาใช้เปรียบเทียบตัวอย่างต้นแบบ หรือในทางกลับกันF กลางบรรทัดคุณสมบัติประกอบด้วยหมายเลขที่ใหญ่ที่สุดของคะแนนต่อภาพ บางจุดเหล่านี้จะไร้ประโยชน์เพราะพวกเขามีความเข้มข้นในภาคกลางมุมโค้ง ลักษณะไม่สูง F E ! ective ในกระบวนการแลกเปลี่ยนข้อมูล "F มันค่อนข้างซู $ cient ใช้มุมสายคุณสมบัติคุณสมบัติกลางวงกลม และจุดที่สำคัญคุณสมบัติในจำแนกชุดคุณลักษณะF เฉลี่ย 98% โดยรวมที่มีความแน่นอน คือ " การลุ้นรับF " t ที่ดีที่สุด - วิธีการผลิต ผลลัพธ์ที่ดีกว่าเดิมวิธีการ เพราะแต่ละจุดได้รับเกรดตามระดับของการจับคู่F การตัดสินใจที่จะยอมรับหรือปฏิเสธ ถูกควบคุมโดยเกรดของลายเซ็นF คุณสมบัติที่มีประสิทธิภาพมากที่สุดเป็นจุดวิกฤตคุณสมบัติ , แม้ว่าพวกเขาจะ computationally หมดจด .F บางขั้นตอนวิธีอาจลดความน่าเชื่อถือของระบบ เพราะคุณสมบัติทั้งหมดจะขึ้นอยู่กับ T