Experiments are conducted to evalua

Experiments are conducted to evaluate the performance of the
proposed approach using three test images with different format,
Onion, Lena and Lion which are as shown in Figure1.

The proposed algorithm automatically calculates the
number of clusters on the basis of similarity measure i.e. CMC
distance. CMC distance and calculated number of clusters
depends on the number of colors present in the image. As the
number of colors present in the image increases, CMC distance
varies inversely with number of clusters. With the decrease in
the CMC distance, number of clusters increases and with the
increase in the CMC distance, number of clusters decreases
automatically. The proposed algorithm also offers flexibility in
calculating the number of clusters with the CMC distance over
number of runs because each time it runs, ants are initialized
with the different positions, which affect the number of clusters
calculation. The proposed algorithm is implemented in Matlab
7.9.0. In order to evaluate the clustering, MSE is taken as a
measure and Euclidean distance measure is used to calculate
distance between pixels in the cluster.

ผลลัพธ์ (ไทย) 1:

การทดลองจะดำเนินการเพื่อประเมินประสิทธิภาพของการนำเสนอวิธีใช้ภาพทดสอบสามรูปแบบแตกต่างกันหัวหอม ลีนา และสิงโตซึ่งปรากฏใน Figure1นำเสนอวิธีการคำนวณโดยอัตโนมัติโดยการหมายเลขของคลัสเตอร์บนพื้นฐานของความคล้ายคลึงกันเช่นวัด CMCระยะทาง ระยะทาง CMC และคำนวณจำนวนของคลัสเตอร์ขึ้นอยู่กับจำนวนสีในภาพ เป็นการจำนวนสีในการเพิ่มภาพ ระยะห่างของ CMCแตกต่างกันตรงกันข้ามกับจำนวนของคลัสเตอร์ ด้วยการลดระยะทาง CMC หมายเลข ของคลัสเตอร์ที่เพิ่มขึ้น และมีการเพิ่มระยะทาง CMC หมายเลขของกลุ่มลดลงโดยอัตโนมัติ อัลกอริทึมที่นำเสนอมีความยืดหยุ่นในการการคำนวณจำนวนคลัสเตอร์ด้วยระยะทาง CMC ผ่านจำนวนทำงานเนื่องจากแต่ละครั้งทำ มดจะเริ่มต้นมีตำแหน่งที่แตกต่าง ซึ่งมีผลต่อจำนวนของคลัสเตอร์การคำนวณ อัลกอริทึมที่นำเสนอจะดำเนินการใน Matlab7.9.0. เพื่อประเมินการ clustering, MSE จะนำมาเป็นแบบวัดและระยะทางแบบยุคลิดใช้วัดในการคำนวณระยะห่างระหว่างพิกเซลในคลัสเตอร์

ผลลัพธ์ (ไทย) 2:

การทดลองจะดำเนินการเพื่อประเมินประสิทธิภาพของ
วิธีการเสนอให้ใช้สามภาพการทดสอบที่มีรูปแบบที่แตกต่างกัน,
หัวหอม, Lena และสิงโตซึ่งเป็นตามที่แสดงในรูปที่ 1.

อัลกอริทึมที่นำเสนอโดยอัตโนมัติคำนวณ
จำนวนกลุ่มบนพื้นฐานของการวัดความคล้ายคลึงกันเช่น CMC
ระยะทาง ระยะทาง CMC และจำนวนการคำนวณของกลุ่ม
ขึ้นอยู่กับจำนวนของสีที่อยู่ในภาพ ในฐานะที่เป็น
จำนวนสีที่อยู่ในการเพิ่มภาพ CMC ระยะ
แปรผกผันกับจำนวนของกลุ่ม กับการลดลงใน
ระยะทาง CMC จำนวนของกลุ่มเพิ่มขึ้นและมีการ
เพิ่มขึ้นในระยะทาง CMC จำนวนของกลุ่มลดลง
โดยอัตโนมัติ อัลกอริทึมที่นำเสนอมีความยืดหยุ่นในการ
คำนวณจำนวนกลุ่มกับระยะทาง CMC มากกว่า
จำนวนของการทำงานเพราะทุกครั้งที่มันวิ่งมดจะเริ่มต้น
กับตำแหน่งที่แตกต่างกันซึ่งส่งผลกระทบต่อจำนวนคลัสเตอร์
การคำนวณ อัลกอริทึมที่นำเสนอจะดำเนินการใน Matlab
7.9.0 เพื่อประเมินการจัดกลุ่ม, MSE เป็นที่เป็น
ตัวชี้วัดและการวัดระยะทางแบบยุคลิดใช้ในการคำนวณ
ระยะห่างระหว่างพิกเซลในคลัสเตอร์

ผลลัพธ์ (ไทย) 3:

การทดลองมีวัตถุประสงค์เพื่อประเมินการปฏิบัติงานของเสนอวิธีการที่ใช้ทดสอบทั้งสามภาพ ด้วยรูปแบบต่าง ๆหัวหอม , Lena และสิงโต ซึ่งเป็นดังแสดงใน figure1 .วิธีที่เสนอโดยอัตโนมัติคำนวณจำนวนคลัสเตอร์บนพื้นฐานของความคล้ายคลึงกันวัดได้แก่ CMCระยะทาง ระยะทางและคำนวณจำนวนของกลุ่มบริษัทขึ้นอยู่กับจำนวนสีที่แสดงในรูป เป็นจำนวนสีอยู่ในรูปเพิ่มมระยะทางจะแปรผกผันกับจำนวนของกลุ่ม ด้วยการลดลงในบริษัท เพิ่มระยะทาง จำนวนกลุ่ม กับเพิ่มในบริษัท ระยะทาง จำนวนของกลุ่มลดลงโดยอัตโนมัติ วิธีที่เสนอมีความยืดหยุ่นในคำนวณจำนวนของกลุ่มกับ CMC ระยะทางมากกว่าเลขวิ่งก็เพราะเวลามันวิ่ง มดจะเริ่มต้นกับตำแหน่งที่แตกต่างกัน ซึ่งมีผลต่อจำนวนของกลุ่มการคํานวณ วิธีที่เสนอจะใช้ในโปรแกรม7.9.0 . เพื่อประเมินคุณภาพ , MSE เป็นถ่ายเป็นการวัดและการวัดระยะทางแบบยุคลิดใช้คำนวณระยะห่างระหว่างพิกเซล ในกลุ่ม