SVM is one of the powerful classifi

SVM is one of the powerful classification algorithms that have shown state of-the-art performance in different varieties of classification tasks [50].SVM is a new method that is used for classification of both linear and nonlinear data [51]. SVM first nonlinearly maps data to a high-dimensional space by using kernel functions. Then after, in that high-dimensional space it tries to find the linear optimal hyper plane that separates data with maximum margin. Originally SVM was proposed for only 2-class problems, but for multi-class problem we can extend SVM using near-against-one or one-against-all strategies [47].
SVM was used as decision making process for weeds identification in [52]. SVM approach is used for making the decision whether particular area needs to be sprayed or not. The proposed system works in two stages. First is the off-line process, where training is performed with the set of cells requiring to be sprayed and not to be sprayed and also decision function is computed. Second is the on-line process, where decision making is performed for each new incoming cell, based on the decision function computed in off-line process.

ผลลัพธ์ (ไทย) 1:

SVM เป็นหนึ่งของอัลกอริทึมมีประสิทธิภาพการจัดหมวดหมู่ที่ได้แสดงประสิทธิภาพรัฐของศิลปะในพันธุ์ที่แตกต่างของประเภทงาน [50] SVM เป็นวิธีใหม่ที่ใช้สำหรับการจำแนกประเภทของข้อมูลทั้งเชิงเส้น และไม่เชิงเส้น [51] SVM แรก nonlinearly แผนที่ข้อมูลไปยังพื้นที่สูงมิติ โดยใช้ฟังก์ชันเคอร์เนล แล้ว หลังจาก ในพื้นที่มิติสูง พยายามค้นหาระนาบไฮเปอร์ที่ดีที่สุดเชิงเส้นที่แยกข้อมูล ด้วยอัตราสูงสุด เดิม SVM ถูกเสนอปัญหา 2 ระดับเท่านั้น แต่สำหรับปัญหาหลายระดับ เราสามารถขยายแนวใกล้-ต่อ-หนึ่ง หรือหนึ่งกับทั้งหมด [47] SVMSVM ใช้เป็นกระบวนการการตัดสินใจสำหรับวัชพืชใน [52] วิธี SVM จะใช้สำหรับการตัดสินใจว่าพื้นที่นั้นต้องพ่นสเปรย์ หรือไม่ นำเสนอระบบการทำงานในขั้นที่สอง แรก คือกระบวนการแบบออฟไลน์ ที่ฝึกอบรมจะดำเนินการกับชุดของเซลล์ที่ต้อง การพ่นสเปรย์ และไม่ ต้องพ่นสเปรย์ และยัง คำนวณฟังก์ชันตัดสินใจ สอง กระบวนการออนไลน์ ตัดสินใจที่จะดำเนินการสำหรับแต่ละเซลล์ใหม่เข้ามา ขึ้นอยู่กับฟังก์ชันการตัดสินใจที่คำนวณในกระบวนการแบบออฟไลน์

ผลลัพธ์ (ไทย) 2:

SVM เป็นหนึ่งในขั้นตอนวิธีการจัดหมวดหมู่ที่มีประสิทธิภาพที่ได้แสดงให้เห็นรัฐของศิลปะการแสดงในสายพันธุ์ที่แตกต่างกันของงานที่จัดหมวดหมู่ [50] .SVM เป็นวิธีการใหม่ที่จะใช้สำหรับการจัดหมวดหมู่ของทั้งสองเส้นและข้อมูลที่ไม่เป็นเชิงเส้น [51] SVM แรก nonlinearly แผนที่ข้อมูลไปยังพื้นที่สูงมิติโดยใช้ฟังก์ชันเคอร์เนล หลังจากนั้นในการที่พื้นที่สูงมิติมันพยายามที่จะหาเส้นระนาบไฮเปอร์ที่ดีที่สุดที่แยกข้อมูลที่มีอัตรากำไรสูงสุด แต่เดิม SVM ถูกเสนอสำหรับปัญหา 2 ชั้นเดียว แต่สำหรับปัญหาหลายชั้นเราสามารถขยาย SVM ใช้ใกล้กับหนึ่งหรือหนึ่งกับทุกกลยุทธ์ [47].
SVM ถูกใช้เป็นกระบวนการตัดสินใจในการจำแนกวัชพืชใน [ 52] วิธี SVM ถูกนำมาใช้ในการตัดสินใจไม่ว่าจะเป็นพื้นที่โดยเฉพาะอย่างยิ่งจะต้องมีการฉีดพ่นหรือไม่ ระบบที่นำเสนอผลงานในขั้นตอนที่สอง แรกคือกระบวนการแบบ off-line ที่การฝึกอบรมจะดำเนินการกับชุดของเซลล์ที่กำหนดจะได้รับการฉีดพ่นและไม่ได้รับการฉีดพ่นและฟังก์ชั่นการตัดสินใจคือการคำนวณ ประการที่สองเป็นกระบวนการในบรรทัดที่การตัดสินใจจะดำเนินการสำหรับเซลล์ที่เข้ามาใหม่แต่ละขึ้นอยู่กับฟังก์ชั่นการตัดสินใจที่คำนวณได้ในขั้นตอนการปิดสาย

ผลลัพธ์ (ไทย) 3:

SVM เป็นหนึ่งในที่มีประสิทธิภาพการจำแนกขั้นตอนวิธีที่แสดงสถานะของงานศิลปะในพันธุ์ที่แตกต่างกันของงานประเภท [ 50 ] . SVM เป็นวิธีการใหม่ที่ใช้สำหรับประเภทของข้อมูลทั้งเชิงเส้นและเชิงเส้น [ 51 ] nonlinearly SVM แรกข้อมูลแผนที่ไปยังพื้นที่สูง - มิติโดยใช้ฟังก์ชันเคอร์เนล หลังจากนั้น ในพื้นที่สูง - มิติที่พยายามหาเส้นที่ดีที่สุด ไฮเปอร์ เครื่องบินที่แยกข้อมูลกับขอบสูงสุด SVM แต่เดิมเสนอปัญหา 2-class เท่านั้น แต่สำหรับปัญหาคลาสหลายเราสามารถขยาย SVM ใช้อยู่ใกล้กับหนึ่งหรือหนึ่งกับกลยุทธ์ทั้งหมด [ 47 ]SVM ใช้กระบวนการตัดสินใจในวัชพืชการจำแนก [ 52 ] วิธี SVM จะใช้สำหรับการตัดสินใจว่าพื้นที่ใดจำเป็นต้องฉีดหรือไม่ การนำเสนอระบบงานใน 2 ขั้นตอน แรกคือกระบวนการออฟไลน์ที่ฝึกอบรมจะดำเนินการกับชุดของเซลล์ที่ต้องการจะพ่น ไม่ต้องฉีดพ่น และการตัดสินใจของฟังก์ชันจะคำนวณ . ประการที่สอง คือ กระบวนการทางออนไลน์ที่ปลอดภัยของเรา ซึ่งการตัดสินใจจะดำเนินการสำหรับแต่ละเซลล์ใหม่เข้ามา ตามการตัดสินใจของฟังก์ชันคำนวณในกระบวนการแบบออฟไลน์ .