To enhance the reliability of the L

To enhance the reliability of the LS-SVM model, it
is necessary to preprocess the modeling data. Due to the
large difference in the order of magnitude of the value,
the available samples are scaled into 0-1 using a
normalization preprocessing method. Different from the
general normalization method, formulated as in (12), a
logarithmic normalization method is utilized. The
logarithmic method can deal with a wider range of data
for the unbalanced data with a better performance than
the general normalization method. The logarithmic
normalization function can be formulated in (13).

ผลลัพธ์ (ไทย) 1:

เพื่อเพิ่มความน่าเชื่อถือของแบบ LS SVM มันจำเป็นต้องสร้างแบบจำลองข้อมูลที่ประมวลผลเบื้องต้น เนื่องความแตกต่างขนาดใหญ่กับขนาดของค่าตัวอย่างมีจะปรับเป็น 0-1 โดยใช้แบบวิธีการประมวลผลเบื้องต้นการฟื้นฟู แตกต่างจากการวิธีฟื้นฟูทั่วไป สูตรใน (12), การมีการใช้ประโยชน์วิธีการฟื้นฟูลอการิทึม ที่วิธีการลอการิทึมสามารถจัดการกับช่วงกว้างของข้อมูลสำหรับข้อมูลที่ไม่สมดุลย์กับประสิทธิภาพที่ดีกว่าวิธีการฟื้นฟูทั่วไป แบบลอการิทึมฟังก์ชันฟื้นฟูสามารถจะถูกกำหนดใน (13)

ผลลัพธ์ (ไทย) 2:

เพื่อเพิ่มความน่าเชื่อถือของรุ่น LS-SVM ก็
มีความจำเป็นต้อง preprocess ข้อมูลการสร้างแบบจำลอง เนื่องจาก
ความแตกต่างขนาดใหญ่ในลำดับความสำคัญของค่า,
ตัวอย่างที่มีอยู่จะถูกปรับเป็น 0-1 โดยใช้
วิธีการฟื้นฟู preprocessing แตกต่างจาก
วิธีการปกติทั่วไปสูตรใน (12),
วิธีการฟื้นฟูลอการิทึมถูกนำมาใช้
วิธีการลอการิทึมสามารถจัดการกับช่วงกว้างของข้อมูล
สำหรับข้อมูลที่ไม่สมดุลที่มีประสิทธิภาพดีกว่า
วิธีปกติทั่วไป ลอการิทึม
ฟังก์ชันมาตรฐานสามารถกำหนดใน (13)

ผลลัพธ์ (ไทย) 3:

เพื่อเพิ่มความน่าเชื่อถือของ ls-svm รุ่น มันต้อง preprocess
แบบจำลองข้อมูล เนื่องจาก
ความแตกต่างขนาดใหญ่ในลำดับความสำคัญของค่า
ตัวอย่างที่มีอยู่จะถูกปรับเป็น 0-1 โดยใช้
บรรทัดฐานที่ติดกันโดยวิธี แตกต่างจากวิธีปกติทั่วไป
สูตรใน ( 12 ) ,
วิธีการฟื้นฟูลอการิทึมคือใช้
วิธีการลอการิทึมสามารถจัดการกับช่วงกว้างของข้อมูล สำหรับข้อมูล
สมดุลที่มีประสิทธิภาพดีกว่า
บรรทัดฐานทั่วไปวิธีการ ฟังก์ชันการฟื้นฟูลอการิทึม
สามารถสูตร ( 13 )