These experiments reported here hav

These experiments reported here have been performed on 1020training samples and 420 testing samples. And in our experiments,every method is utilized for color correction with 5 times training,while each training result is kept as a color correction model. The experimental result of this paper is shown in Table 1.Based on visual experience, the general criteria for color difference are as follows: when E < 3, the color difference can be sensed; when E < 5, the color correction accuracy can be accepted.In the case of images acquired by real scanners, the noise is naturally present, and the color transformation matrix may amplify this noise. From Table 1, it can be observed that the testing error sproduced by using MEC-BP-Adaboost neural network model are less than by using other models. Compared with the conventional

ผลลัพธ์ (ไทย) 1:

การทดลองเหล่านี้รายงานที่นี่ตัวอย่าง 1020training และทดสอบตัวอย่าง 420 และในการทดลองของเรา ทุกวิธีการใช้ประโยชน์สำหรับการแก้ไขสีกับ 5 ครั้งการฝึกอบรม ในขณะที่ผลการฝึกอบรมแต่ละจะถูกเก็บไว้เป็นรูปแบบการแก้ไขสี ผลการทดลองของเอกสารนี้จะแสดงอยู่ในตาราง 1.ตามประสบการณ์ภาพ เงื่อนไขทั่วไปสำหรับความแตกต่างของสีจะเป็นดังนี้: เมื่ออี < 3 สามารถจะทรงความแตกต่างสี เมื่อ E < 5 สีการแก้ไขความถูกต้องสามารถยอมรับได้ ในกรณีของภาพมาจากสแกนเนอร์จริง เสียงมีอยู่ตามธรรมชาติ และเมทริกซ์การแปลงสีอาจขยายเสียงนี้ จากตารางที่ 1 มันจะสังเกตได้จาก sproduced พลาดทดสอบ โดยใช้แบบจำลองโครงข่ายประสาท MEC-BP-Adaboost น้อยกว่าโดยใช้แบบจำลองอื่น ๆ ได้ เมื่อเทียบกับแบบธรรมดา

ผลลัพธ์ (ไทย) 2:

การทดลองนี้รายงานที่นี่ได้รับการดำเนินการกับตัวอย่าง 1020training และ 420 ตัวอย่างทดสอบ และในการทดลองของเราทุกวิธีจะใช้สำหรับการแก้ไขสีด้วยการฝึกอบรม 5 ครั้งขณะที่แต่ละผลการฝึกอบรมจะถูกเก็บไว้เป็นรูปแบบการแก้ไขสี ผลการทดลองของบทความนี้จะแสดงในตารางที่ 1.Based กับประสบการณ์ภาพเกณฑ์ทั่วไปแตกต่างของสีมีดังนี้เมื่อ E <3 แตกต่างของสีที่สามารถรู้สึก? เมื่อ? E <5 ความถูกต้องการแก้ไขสีที่สามารถ accepted.In กรณีของภาพที่ได้มาจากสแกนเนอร์จริงเสียงมีอยู่ตามธรรมชาติและการเปลี่ยนแปลงเมทริกซ์สีอาจขยายเสียงนี้ จากตารางที่ 1 ก็สามารถที่จะตั้งข้อสังเกตว่าข้อผิดพลาดการทดสอบโดยใช้ sproduced MEC-BP-Adaboost รูปแบบเครือข่ายประสาทน้อยกว่าโดยใช้รูปแบบอื่น ๆ เมื่อเทียบกับการชุมนุม

ผลลัพธ์ (ไทย) 3:

การทดลองเหล่านี้รายงานที่นี่ได้รับการ 1020training ตัวอย่างการวิจัยและการทดสอบ และในการทดลองของเรา ทุกวิธีที่เป็นประโยชน์สำหรับการแก้ไขสีที่มีการอบรม 5 ครั้ง ในขณะที่การฝึกอบรมแต่ละผลจะถูกเก็บไว้เป็นสีแก้ไขรูปแบบ ผลของงานวิจัยนี้แสดงดังตารางที่ 1 ตามประสบการณ์ภาพเกณฑ์ทั่วไปสำหรับความแตกต่างสีมีดังนี้เมื่อ  E < 3 สีที่แตกต่างกันจะรู้สึก เมื่อ  E < 5 , สีแก้ไขความถูกต้อง สามารถยอมรับได้ ในกรณีของภาพที่ได้จากสแกนเนอร์จริง เสียงอยู่ตามธรรมชาติและสีเปลี่ยนแปลงเมทริกซ์อาจขยายเสียงนี้ จากตารางที่ 1 พบว่า การทดสอบข้อผิดพลาด sproduced โดยใช้โครงข่ายประสาทเทียมแบบ adaboost MEC เบสน้อยกว่า โดยใช้รูปแบบอื่น ๆเมื่อเทียบกับปกติ