phase were again given to the propo

phase were again given to the proposed virtual grader
one by one (choosing k = 9 and illumination intensity
310 lux), however, operated in an automatic mode,
which classifies and grade them according to their size
content. In the classifying phase, the size classifier
calculates the size features of the sample that need to
be identified and classifies it among trained samples
using K-NN Algorithm. The classification process was
responsible to classify the input or user selected fruit by
using K-NN algorithm. This measure the distance
between features values of the stored fruit under test.
Afterward the K-NN finds out among the stored fruit the
one having shortest distance with the input and
identifies and assigns the class to the input fruit.

ผลลัพธ์ (ไทย) 1:

เฟสได้รับการเกรดเสมือนการเสนออีกครั้งโดยหนึ่ง (เลือก k = 9 และความเข้มแสง310 lux), ดำเนินการอย่างไรก็ตาม ในโหมดอัตโนมัติที่จัดประเภท และเกรดได้ตามขนาดของพวกเขาเนื้อหา ในขั้นตอนการบด ลักษณนามขนาดคำนวณขนาดคุณสมบัติของตัวอย่างที่ต้องการระบุ และจัดประเภทในกลุ่มตัวอย่างที่ผ่านการฝึกอบรมโดยใช้อัลกอริทึม K-NN กระบวนการจัดประเภทรับผิดชอบในการจัดประเภทการป้อนข้อมูลหรือผู้ใช้เลือกผลไม้โดยโดยใช้อัลกอริทึม K-NN วัดระยะทางนี้ระหว่างค่าคุณสมบัติของผลไม้ที่เก็บไว้ภายใต้การทดสอบหลังจากนั้น K-NN พบในผลไม้ที่เก็บไว้มีระยะทางสั้นที่สุดกับการป้อนข้อมูล และระบุ และกำหนดคลากับผลไม้ป้อนข้อมูล

ผลลัพธ์ (ไทย) 2:

ขั้นตอนที่ได้รับอีกครั้งเพื่อเสนอ Grader เสมือน
หนึ่งโดยหนึ่ง (เลือก K = 9 และไฟส่องสว่างความเข้ม
310 LUX) แต่การดำเนินการในโหมดอัตโนมัติ
ซึ่งแยกประเภทและเกรดพวกเขาตามขนาดของ
เนื้อหา ในขั้นตอนการจำแนกประเภทลักษณนามขนาด
คำนวณคุณสมบัติขนาดของกลุ่มตัวอย่างที่จำเป็นต้อง
ได้รับการระบุและจัดประเภทไว้ในตัวอย่างการฝึกอบรม
โดยใช้ K-NN อัลกอริทึม ขั้นตอนการจัดหมวดหมู่เป็น
ผู้รับผิดชอบในการจำแนกการป้อนข้อมูลหรือผู้ใช้ผลไม้ที่เลือกโดย
ใช้อัลกอริทึม K-NN นี้วัดระยะทาง
ระหว่างคุณลักษณะค่าของผลไม้ที่เก็บไว้ภายใต้การทดสอบ.
ต่อจากนั้น K-NN พบในหมู่ผลไม้ที่เก็บไว้
หนึ่งมีระยะทางที่สั้นด้วยการป้อนข้อมูลและการ
ระบุและกำหนดชั้นเรียนเพื่อผลไม้การป้อนข้อมูล

ผลลัพธ์ (ไทย) 3:

เฟสอีกครั้งให้เสนอเครื่องเสมือนหนึ่งโดยหนึ่ง ( เลือก k = 9 และรัศมีความ310 ลักซ์ ) แต่ทำงานในโหมดอัตโนมัติซึ่งแยกประเภทและเกรดตามขนาดเนื้อหา ในการจำแนกขนาด 1 เฟสคำนวณขนาดของตัวอย่างที่ต้องประกอบด้วยสามารถระบุและแยกประเภทระหว่างตัวอย่างการฝึกอบรมการใช้ขั้นตอนวิธี k-nn . ขั้นตอนการจำแนก คือรับผิดชอบวิเคราะห์ข้อมูลหรือผู้ใช้ที่เลือกผลไม้โดยการใช้ขั้นตอนวิธี k-nn . นี้วัดระยะทางระหว่างคุณลักษณะที่เก็บผลไม้ภายใต้ค่าของการทดสอบหลังจากนั้น k-nn รู้เรื่องระหว่างเก็บผลไม้หนึ่ง มีระยะทางที่สั้นที่สุด ด้วยการป้อนข้อมูลและระบุและกำหนดระดับการใส่ผลไม้