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) 2:

สำหรับข้อมูลที่ได้รับการตั้งค่าและจุดเก็บตัวอย่างของเรา
เพื่อนบ้านธรรมชาติประจำการแก้ไข
ทำได้ดีกว่าในการสร้างเส้นโค้ง regularized กับความตึงเครียดและความผกผันน้ำหนักระยะทางขั้นตอนการแก้ไข. ที่เกณฑ์ของ 10 หน่วยเพียง 5.1% ของพิกเซลได้รับการคาดไม่ถูกต้องโดยประจำการแก้ไขของเราเมื่อเทียบ กับ 13.5% และ 38.9% ตามลำดับไม่ถูกต้องสำหรับเส้นโค้ง regularized กับความตึงเครียดและความผกผันประจำน้ำหนักระยะ. ที่ต่ำกว่าเกณฑ์ของ 2 หน่วยงานประจำของเรายังคงทำได้ดีกว่าอย่างเห็นได้ชัดอีกสองวิธี

ผลลัพธ์ (ไทย) 3:

สำหรับกำหนดข้อมูลและตัวอย่างคะแนนของเรา

เทียบกับเพื่อนบ้านในธรรมชาติตามปกติ

สร้างขึ้นใน regularized สลักด้วยแรงและระยะทางการผกผัน


น้ำหนักเป็นประจำ ในเกณฑ์ของ 10 หน่วย เพียง 5.1% ของพิกเซลเป็นไม่ถูกต้อง ( ในงานประจำของเรา

เมื่อเทียบกับร้อยละ 7.3 และ 38.9 %


ถูกต้องตามลำดับสำหรับ regularized สลักกับความตึงเครียดและผกผัน

ที่ ระยะทาง น้ำหนักเป็นประจำ ต่ำกว่าเกณฑ์
2 หน่วย กิจวัตรของเรายังคงเติบโตอย่างมาก
อีกสองวิธี