For the given data set and sampled

For the given data set and sampled points, our
natural neighbor interpolation routine outperformed
the built in regularized spline with tension and inverse
distance weighting interpolation routines.
At
a threshold of 10 units, only 5.1% of the pixels were
incorrectly estimated by our interpolation routine
compared with 13.5% and 38.9% incorrect respectively
for the regularized spline with tension and inverse
distance weighting routines. At a lower threshold
of 2 units, our routine still dramatically outperformed
the other two methods

ผลลัพธ์ (ไทย) 1:

ข้อมูลที่ตั้ง และความจุด ของเราขั้นตอนการแทรกข้อความใกล้เคียงธรรมชาติ outperformedเหมือน regularized ในความตึงเครียดและผกผันระยะทางน้ำหนักตามปกติสอดแทรก ที่ขีดจำกัดของหน่วย 10 เพียง 5.1% ของพิกเซลมีประมาณไม่ถูกต้องตามขั้นตอนการแทรกแทรงของเราเมื่อเทียบกับ 13.5% และ 38.9% ถูกต้องตามลำดับสำหรับเหมือน regularized กับความตึงเครียดและผกผันระยะทางน้ำหนักตามปกติ ในขีดจำกัดล่างหน่วยที่ 2 งานประจำของเรา outperformed ยังคงอย่างมากสองวิธีอื่น ๆ

ผลลัพธ์ (ไทย) 2:

สำหรับข้อมูลที่ได้รับการตั้งค่าและจุดเก็บตัวอย่างของเรา
เพื่อนบ้านธรรมชาติประจำการแก้ไขทำได้ดีกว่า
ในการสร้างเส้นโค้ง regularized กับความตึงเครียดและความผกผัน
น้ำหนักระยะทางขั้นตอนการแก้ไข.
ที่
เกณฑ์ของ 10 หน่วยเพียง 5.1% ของพิกเซลได้รับการ
คาดไม่ถูกต้องโดยประจำการแก้ไขของเรา
เมื่อเทียบ กับ 13.5% และ 38.9% ตามลำดับไม่ถูกต้อง
สำหรับเส้นโค้ง regularized กับความตึงเครียดและความผกผัน
ประจำถ่วงระยะทาง ในเกณฑ์ที่ต่ำกว่า
2 หน่วยประจำของเรายังคงทำได้ดีกว่าอย่างเห็นได้ชัด
อีกสองวิธี

ผลลัพธ์ (ไทย) 3:

สำหรับกำหนดข้อมูลและตัวอย่างขั้นตอนการ จุด เทียบกับเพื่อนบ้านของเราธรรมชาติ

สร้าง regularized สลักกับความตึงเครียดและผกผัน
ระยะทางน้ำหนัก

ในกิจวัตรประจำวัน ที่เกณฑ์ของ 10 หน่วย เพียง 5.1% ของพิกเซลเป็นไม่ถูกต้อง ( ในงานประจำของเรา

เมื่อเทียบกับร้อยละ 7.3 และ 38.9 % ที่ไม่ถูกต้อง ตามลำดับ
สำหรับ regularized สลักกับความตึงเครียดและผกผัน
ระยะทางน้ำหนักเป็นประจำ ที่ลดเกณฑ์
2 หน่วย กิจวัตรของเรายังคงเติบโตอย่างมาก
อีกสองวิธี