that attribute A takes on value a i

that attribute A takes on value a in the data.
IG(O, A) := H(O) − H(O/A) (8)
H(O) := − 
o∈(O)
P(o) log P(o) (9)
H(O/A) := 
a∈(A)
P(a)H(O/A = a) (10)
The information gains for the 34 features are computed and
listed in Fig. 8. We can see some features, such as max_peak,
ZCR, mean_power and power9 (power in 2250-2500Hz),
exhibit higher information gain, which means these features
have closer relevance to food type recognition.
We are also interested in which class of features are
most relevant. The information gains of time-domain features,
frequency-domain features and non-linear features are grouped
and shown in Fig. 9. The mean information gains for the
three classes are 0.238, 0.245, 0.201, respectively. Clearly,
the frequency-domain features are comparably more relevant
to food type recognition. However, the range of information
gain regarding frequency-domain features is the largest, which
indicates that their contributions are uneven. A closer look into
the frequency-domain features shows that power features, such
as max power, mean power and power at specific frequencies,
are more relevant than energy features. With the results of
information gain, we consider to remove unrelated features
from food type recognition in the future, which may reduce
computation overhead but introduce negligible accuracy loss.

ผลลัพธ์ (ไทย) 1:

แอตทริบิวต์ที่ A ใช้ค่าที่ในข้อมูลIG (O, A): = H(O) − H(O/A) (8)H(O) := − o∈(O)ล็อก P(o) P(o) (9)H(O/A): =a∈(A)P (a) H(O/A = a) (10)จะคำนวณกำไรข้อมูลคุณลักษณะ 34 และแสดงในรูป 8 เราสามารถดูคุณสมบัติบางอย่าง เช่น max_peakZCR, mean_power และ power9 (พลังงานใน 2250-2500Hz),แสดงการรับข้อมูลสูง ซึ่งหมายความว่า คุณลักษณะเหล่านี้มีความเกี่ยวข้องใกล้ชิดการรู้ชนิดของอาหารเราก็สนใจอยู่ซึ่งระดับความส่วนเกี่ยวข้อง กำไรข้อมูลของโดเมนเวลามีการจัดกลุ่มคุณลักษณะการโดเมนความถี่และไม่เชิงเส้นและแสดงในรูป 9 ข้อมูลหมายถึงกำไรสำหรับการชั้นสามมี 0.238, 0.245, 0.201 ตามลำดับ อย่างชัดเจนมีโดเมนความถี่ปานที่เกี่ยวข้องการจำแนกชนิดอาหาร อย่างไรก็ตาม ช่วงของข้อมูลเกี่ยวกับโดเมนความถี่ลักษณะเป็นใหญ่ที่สุด ซึ่งบ่งชี้ว่า ผู้ไม่สม่ำเสมอ ดูเป็นการแสดงคุณสมบัติของโดเมนความถี่ที่มี เช่นเป็นอำนาจสูงสุด ความหมาย ของพลังงานและพลังงานที่ความถี่เฉพาะมีความเกี่ยวข้องมากกว่าคุณลักษณะพลังงาน ด้วยผลลัพธ์ของข้อมูลเข้า เราพิจารณาการเอาคุณลักษณะที่ไม่เกี่ยวข้องจากการรับรู้ชนิดของอาหาร ในอนาคต ซึ่งอาจลดค่าใช้จ่ายในการคำนวณแต่แนะนำขาดทุนเล็กน้อยความแม่นยำ

ผลลัพธ์ (ไทย) 2:

ที่แอตทริบิวต์ที่เกิดขึ้นในความคุ้มค่าในข้อมูล.
IG (O, A) = H (O) - H (O / A) (8)
H (O): = -
o∈ (O)
P (O) log P (o) (9)
H (o / A) =?
a∈ (A)
P (ก) H (o / A = a) (10)
กำไรข้อมูลที่มีทั้งหมด 34 จะคำนวณและ
แสดงไว้ในรูป . 8. เราสามารถมองเห็นคุณสมบัติบางอย่างเช่น max_peak,
ZCR, mean_power และ power9 (มีอำนาจใน 2250-2500Hz)
จัดแสดงได้รับข้อมูลที่สูงขึ้นซึ่งหมายความว่าคุณสมบัติเหล่านี้
มีความสัมพันธ์กันอย่างใกล้ชิดในการรับรู้ประเภทอาหาร.
เรายังมีความสนใจในการที่ระดับของ คุณสมบัติที่
เกี่ยวข้องมากที่สุด กำไรข้อมูลของคุณสมบัติโดเมนเวลา,
คุณลักษณะโดเมนความถี่และคุณลักษณะที่ไม่ใช่เชิงเส้นจะถูกจัดกลุ่ม
และการแสดงในรูป 9. กำไรข้อมูลค่าเฉลี่ยสำหรับ
สามชั้นมี 0.238, 0.245, 0.201 ตามลำดับ เห็นได้ชัดว่า
คุณสมบัติโดเมนความถี่ที่มีปานที่เกี่ยวข้องมากขึ้น
การรับรู้ประเภทอาหาร อย่างไรก็ตามช่วงของข้อมูลที่
กำไรเกี่ยวกับคุณสมบัติโดเมนความถี่เป็นที่ใหญ่ที่สุดซึ่ง
แสดงให้เห็นว่าผลงานของพวกเขาจะไม่สม่ำเสมอ มองใกล้เข้าไป
คุณสมบัติโดเมนความถี่แสดงให้เห็นว่ามีคุณสมบัติเช่น
เป็นพลังงานสูงสุดหมายถึงอำนาจและความถี่เฉพาะ
ที่เกี่ยวข้องมากกว่าคุณสมบัติพลังงาน ด้วยผลของการ
ได้รับข้อมูลที่เราจะพิจารณาเพื่อลบคุณลักษณะที่ไม่เกี่ยวข้อง
จากการรับรู้ชนิดของอาหารในอนาคตซึ่งอาจจะช่วยลด
ค่าใช้จ่ายในการคำนวณ แต่การสูญเสียความถูกต้องแนะนำเล็กน้อย

ผลลัพธ์ (ไทย) 3:

คุณลักษณะที่เป็นใช้เวลาในค่าในข้อมูลIG ( O ) : = H ( O ) − H ( O / A ) ( 8 )H ( o ) = −∈ o ( O )P ( o ) ( o ) p ) ( 9 )H ( O / A ) =∈ ( ) เป็นP ( A ) H ( O / A = ) ( 10 )ข้อมูลที่ได้รับจะคำนวณและ 34 คุณสมบัติแสดงในรูปที่ 8 เราสามารถมองเห็นคุณสมบัติบางอย่างเช่น max_peak , ,zcr mean_power power9 ( , และอำนาจใน 2250-2500hz )แสดงข้อมูลที่สูงขึ้นซึ่งหมายความว่าคุณสมบัติเหล่านี้มีความเกี่ยวข้องใกล้ชิดกับการรับรู้ประเภทอาหารเรายังสนใจในคุณสมบัติที่ชั้นเป็นที่เกี่ยวข้องมากที่สุด ข้อมูลคุณสมบัติแต่ละส่วนของ ,คุณลักษณะและคุณสมบัติแบบโดเมนความถี่จะถูกจัดกลุ่มและแสดงในรูปที่ 9 หมายถึงข้อมูลที่ได้รับสำหรับ3 เรียน 0.238 , 0.245 0.201 , ตามลำดับ อย่างชัดเจนส่วนโดเมนความถี่คุณลักษณะปานกันที่เกี่ยวข้องมากขึ้นการรับรู้ประเภทอาหาร อย่างไรก็ตาม ช่วงของข้อมูลเพิ่มเกี่ยวกับคุณลักษณะโดเมนความถี่มากที่สุด ซึ่งพบว่า ผลงานของพวกเขาจะไม่สม่ำเสมอ มองใกล้เข้ามาที่แสดงให้เห็นว่าอำนาจโดเมนความถี่คุณลักษณะคุณสมบัติเช่นเป็นแม็กซ์พลังงาน หมายถึงอำนาจและพลังที่ความถี่ที่เฉพาะเจาะจงเป็นที่เกี่ยวข้องมากขึ้นกว่าที่ประกอบด้วยพลังงาน กับผลลัพธ์ของข้อมูลที่ได้รับจะพิจารณาเพื่อลบคุณลักษณะที่ไม่เกี่ยวข้องกันจากการรับรู้ประเภทอาหารในอนาคต ซึ่งอาจลดการคำนวณค่าใช้จ่าย แต่แนะนำการสูญเสียความกระจอก