Research findings clearly indicate

Research findings clearly indicate that the double-threshold strategy improves the overall accuracy from 93.1% to 95.9%.It is worth mentioning that, as change detection is an important step in data updating, some methods used spectral-based methods such as the Iterative Principal Components Analysis(IPCA) to determine temporal distance in feature space and combine it with a Bayesian decision rule to determine the presence of change (Spitzer et al., 2001). Clifton (2003)describes training neural networks to learn expected changes between images and to then identify pixel changes which do not
match what is “expected”

ผลลัพธ์ (ไทย) 1:

พบชัดเจนบ่งชี้ว่า กลยุทธ์สองขีดจำกัดช่วยเพิ่มความแม่นยำโดยรวมจาก 93.1% 95.9% มันเที่ยวที่ ตรวจจับการเปลี่ยนแปลงเป็น ขั้นตอนสำคัญในการปรับปรุงข้อมูล บางวิธีใช้สเปกตรัมโดยวิธีการเช่น Analysis(IPCA) ส่วนประกอบสำคัญซ้ำกำหนดระยะชั่วคราวในลักษณะพื้นที่ และรวมกับกฎทฤษฎีการตัดสินใจเพื่อกำหนดสถานะของการเปลี่ยนแปลง (สปิตเซอร์และ al., 2001) กล่าวถึง คลิฟตั้น (2003) อธิบายการฝึกอบรมเครือข่ายประสาท เพื่อเรียนรู้การเปลี่ยนแปลงที่คาดไว้ระหว่างภาพ และจากนั้น ระบุการเปลี่ยนแปลงของเซลที่ไม่ตรงกับสิ่ง "คาดว่า"

ผลลัพธ์ (ไทย) 2:

ผลการวิจัยแสดงให้เห็นว่ากลยุทธ์ดับเบิลเกณฑ์ช่วยเพิ่มความถูกต้องโดยรวมจาก 93.1% เป็น 95.9% มันเป็นมูลค่าการกล่าวขวัญว่าเป็นการตรวจสอบการเปลี่ยนแปลงเป็นขั้นตอนสำคัญในการปรับปรุงข้อมูลวิธีการบางอย่างใช้วิธีสเปกตรัมใช้เช่นหลักซ้ำ การวิเคราะห์ส่วนประกอบ (IPCA) เพื่อตรวจสอบระยะทางที่ชั่วในพื้นที่คุณลักษณะและรวมกับกฎการตัดสินใจแบบเบย์เพื่อตรวจสอบสถานะของการเปลี่ยนแปลง (สปิตเซอร์ et al., 2001) คลิฟตัน (2003) อธิบายเครือข่ายประสาทการฝึกอบรมเพื่อเรียนรู้การเปลี่ยนแปลงที่คาดว่าระหว่างภาพและจากนั้นระบุการเปลี่ยนแปลงพิกเซลที่ไม่
ตรงกับสิ่งที่ "คาดว่า"

ผลลัพธ์ (ไทย) 3:

ผลการวิจัยบ่งชี้อย่างชัดเจนว่ากลยุทธ์สองเกณฑ์ปรับปรุงความถูกต้องโดยรวมจาก 93.1 ร้อยละ 95.9 ล้านบาท เป็นมูลค่าการกล่าวขวัญว่า การเปลี่ยนแปลงเป็นขั้นตอนสำคัญในข้อมูลการปรับปรุงบางวิธีที่ใช้ตรวจตามวิธีการ เช่น ซ้ำหลักองค์ประกอบการวิเคราะห์ ( ipca ) เพื่อกำหนดระยะในเวลาคุณลักษณะพื้นที่และรวมกับกฎการตัดสินใจแบบเบส์เพื่อตรวจสอบสถานะของการเปลี่ยนแปลง ( สปิตเซอร์ et al . , 2001 ) คลิฟตัน ( 2003 ) อธิบายการฝึกอบรมโครงข่ายประสาทเทียมเพื่อเรียนรู้คาดว่าการเปลี่ยนแปลงระหว่างภาพและการระบุการเปลี่ยนแปลงที่ไม่
พิกเซลตรงกับสิ่งที่ " คาด "