4. ConclusionIn this paper, we have

4. Conclusion
In this paper, we have proposed a probabilistic neural network-based flower classification method with the use of
texture features. Suitable texture features such as CTMs, GLCM, and Gabor responses are explored for the purpose of
flower classification. It is observed that using the proposed textural features one can achieve relatively a good classification
accuracy when compared to any other available features. We have created our own database of flowers of 35 classes, each
containing 50 flower images and conducted an experiment under varying database size and we studied the size effect on
the classification accuracy. The experimental results have shown that using combined features outperforms any individual
feature.

ผลลัพธ์ (ไทย) 1:

4. บทสรุปในเอกสารนี้ เราได้นำเสนอวิธีจัดประเภท probabilistic ดอกไม้ตามเครือข่ายประสาท ด้วยการใช้คุณสมบัติพื้นผิว ลักษณะพื้นผิวที่เหมาะสมเช่น CTMs, GLCM และตอบสนองกาบอร์จะสำรวจเพื่อการจัดประเภทของดอกไม้ จะสังเกตได้ว่า ใช้คุณสมบัติ textural เสนอหนึ่งสามารถบรรลุค่อนข้างจัดประเภทดีความถูกต้องเมื่อเปรียบเทียบกับคุณลักษณะพร้อมใช้งานอื่น ๆ เราได้สร้างฐานข้อมูลของเราเองของดอกไม้ 35 คลา แต่ละประกอบด้วยดอกไม้ 50 ภาพ และดำเนินการทดลองภายใต้ฐานที่แตกต่างกันไป และเราศึกษาผลขนาดบนความถูกต้องประเภท ผลการทดลองได้แสดงให้เห็นว่า การใช้คุณลักษณะรวม outperforms บุคคลใด ๆลักษณะการทำงาน

ผลลัพธ์ (ไทย) 2:

4. สรุป
ในบทความนี้เราได้นำเสนอวิธีการจัดหมวดหมู่ดอกไม้ที่ใช้เครือข่ายประสาทน่าจะมีการใช้
คุณสมบัติพื้นผิว คุณสมบัติพื้นผิวที่เหมาะสมเช่น CTMS, GLCM และการตอบสนอง Gabor มีการสำรวจเพื่อวัตถุประสงค์ในการ
จัดหมวดหมู่ดอกไม้ มันเป็นที่สังเกตว่าการใช้นำเสนอคุณลักษณะเนื้อสัมผัสหนึ่งจะประสบความสำเร็จค่อนข้างดีการจัดหมวดหมู่
ความถูกต้องเมื่อเทียบกับคุณสมบัติที่มีอยู่อื่น ๆ เราได้สร้างฐานข้อมูลของเราเองของดอกไม้ 35 ชั้นเรียนแต่ละคน
มี 50 ภาพดอกไม้และดำเนินการทดลองภายใต้ขนาดฐานข้อมูลที่แตกต่างกันและเรามีการศึกษาผลกระทบขนาดใน
ความถูกต้องของการจัดหมวดหมู่ ผลการทดลองแสดงให้เห็นว่าการใช้คุณลักษณะรวมมีประสิทธิภาพดีกว่าบุคคลใด
คุณลักษณะ

ผลลัพธ์ (ไทย) 3:

4 . สรุป
ในงานวิจัยนี้ได้เสนอการใช้เครือข่ายประสาทดอกไม้หมวดหมู่วิธี ด้วยการใช้
คุณสมบัติพื้นผิว ลักษณะพื้นผิวที่เหมาะสมเช่น ctms glcm , และ , กาบอร์การตอบสนองมีการสํารวจเพื่อ
หมวดหมู่ดอกไม้ พบว่า การเสนอเนื้อคุณสมบัติหนึ่งสามารถบรรลุค่อนข้าง
การจำแนกที่ดีความถูกต้องเมื่อเทียบกับคุณลักษณะใด ๆของอื่น ๆ เราได้สร้างฐานข้อมูลของเราเองดอกไม้ 35 ชั้น แต่ละ
ที่มี 50 ภาพ ดอกไม้ และ ทำการทดลองภายใต้การเปลี่ยนขนาดฐานข้อมูลและเราศึกษาขนาดมีผลต่อความแม่นยำในการจำแนก
. ผลการทดลองแสดงให้เห็นว่าการใช้คุณลักษณะรวมโปรยบุคคลใด
คุณลักษณะ