Genetic algorithms have been widely

Genetic algorithms have been widely used as an
optimization technique for search space. In this study, the
genetic algorithm is integrated with the DCL algorithm to
improve the unsupervised training results for the
classification of remotely sensed data. The simulation
results and their comparison with the K-means algorithm,
the genetic K-means algorithm and the DCL algorithm will
be demonstrated for unsupervised training. Like the
conventional K-means clustering, this new approach can
be applied in many different application areas such as
computer vision, pattern classification, industrial products
inspection, . . . , etc. This computation-oriented algorithm
is suitable for parallel implementation. The evaluation of
the J-M distance for the effectiveness measure and
classification accuracy assessment are under investigation.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมทางพันธุกรรมได้ถูกใช้เป็นการเทคนิคเพิ่มประสิทธิภาพสำหรับค้นหาพื้นที่ ในการศึกษานี้ การขั้นตอนวิธีพันธุกรรมรวมกับอัลกอริทึม DCL เพื่อผลการฝึกอบรม unsupervised สำหรับการปรับปรุงการการจัดประเภทข้อมูลเหตุการณ์จากระยะไกล การจำลองสถานการณ์ผลลัพธ์และการเปรียบเทียบกับอัลกอริทึมหมายถึง Kอัลกอริทึมหมายถึง K ทางพันธุกรรมและอัลกอริทึม DCLได้สาธิตการฝึก unsupervised เช่นการปกติ K-หมายถึงคลัสเตอร์ วิธีการใหม่นี้สามารถใช้ในการสมัครเช่นคอมพิวเตอร์วิทัศน์ รูปแบบการจัดประเภท สินค้าอุตสาหกรรมตรวจสอบ,... ฯลฯ ขั้นตอนนี้วิธีการคำนวณที่มุ่งเน้นเหมาะสำหรับใช้งานคู่ขนาน การประเมินผลระยะ J M สำหรับวัดประสิทธิผล และประเมินความถูกต้องของการจัดประเภทภายใต้การตรวจสอบได้

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีทางพันธุกรรมที่มีการใช้อย่างกว้างขวางว่าเป็นเทคนิคการเพิ่มประสิทธิภาพสำหรับพื้นที่ค้นหา
ในการศึกษาครั้งนี้ขั้นตอนวิธีพันธุกรรมจะรวมกับขั้นตอนวิธี DCL เพื่อปรับปรุงผลการฝึกอบรมที่ใกล้ชิดสำหรับการจัดหมวดหมู่ของข้อมูลจากระยะไกลรู้สึก การจำลองผลและการเปรียบเทียบกับอัลกอริทึมK-หมายถึงขั้นตอนวิธีK-หมายความว่าทางพันธุกรรมและขั้นตอนวิธี DCL จะแสดงให้เห็นในการฝึกอบรมใกล้ชิด เหมือนเดิมK-วิธีการจัดกลุ่มวิธีการใหม่นี้สามารถนำมาใช้ในพื้นที่ใช้ที่แตกต่างกันหลายอย่างเช่นคอมพิวเตอร์วิสัยทัศน์การจำแนกรูปแบบผลิตภัณฑ์อุตสาหกรรมตรวจสอบ . . ฯลฯ นี้ขั้นตอนวิธีการคำนวณที่มุ่งเน้นการเป็นที่เหมาะสมสำหรับการดำเนินงานคู่ขนาน การประเมินผลของระยะทาง JM สำหรับการวัดประสิทธิภาพและการประเมินความถูกต้องจำแนกอยู่ภายใต้การตรวจสอบข้อเท็จจริง

ผลลัพธ์ (ไทย) 3:

ขั้นตอนวิธีเชิงพันธุกรรมได้รับอย่างกว้างขวางใช้เป็น
เพิ่มประสิทธิภาพเทคนิคพื้นที่ค้นหา ในการศึกษานี้ คือการรวมกับขั้นตอนวิธีพันธุกรรม


3 . ขั้นตอนวิธีการปรับปรุง unsupervised ผลการฝึกอบรมสำหรับ
การจำแนกข้อมูลจากระยะไกล . การจำลอง
ผลลัพธ์และเปรียบเทียบกับ k-means ขั้นตอนวิธี
k-means ขั้นตอนวิธีทางพันธุกรรมและขั้นตอนวิธีจะ
3 .ผู้นำการฝึกอบรมแบบไม่โต้ตอบ ชอบ
k-means แบบการจัดกลุ่ม วิธีใหม่นี้สามารถใช้ได้ในพื้นที่ใบสมัคร

แตกต่างกันมากมาย เช่น วิสัยทัศน์คอมพิวเตอร์รูปแบบการจัดประเภทสินค้าอุตสาหกรรม
ตรวจสอบ . . . . . . . . , ฯลฯ นี้การคำนวณเชิงขั้นตอนวิธี
เหมาะสำหรับใช้งานแบบขนาน การประเมิน
ระยะทาง J-M ประสิทธิผลวัดและ
การประเมินความถูกต้องของการจำแนกกำลังอยู่ระหว่างการสอบสวน