This paperinvestigatesapatternrecog

This paperinvestigatesapatternrecognitionframeworkinordertodetermineandclassifybreastcancer
cases. Initially,atwo-classseparationstudyclassifyingnormalandabnormal(cancerous)breasttissues
is achieved.TheHistogramofOrientedGradients(HOG),DenseScaleInvariantFeatureTransform
(DSIFT), andLocalConfiguration Pattern(LCP)methodsareusedtoextracttherotation-andscale-
invariantfeaturesforalltissuepatches.Aclassification ismadeutilizingSupportVectorMachine(SVM),
k-NearestNeighborhood(k-NN),DecisionTree,andFisherLinearDiscriminantAnalysis(FLDA)via
10-foldcrossvalidation.Then,athree-classstudy(normal,benign,andmalignantcancerouscases)is
carried outusingsimilarproceduresinatwo-classcase;however,theattainedclassification accuracies
are notsufficiently satisfied. Therefore,anewfeatureextractionframeworkisproposed.Thefeature
vectorsareagainextractedwiththisnewframework,andmoresatisfactoryresultsareobtained.
Our newframeworkachievedaremarkableincreaseinrecognitionperformanceforthethree-
class study.

ผลลัพธ์ (ไทย) 1:

Paperinvestigatesapatternrecognitionframeworkinordertodetermineandclassifybreastcancer นี้
กรณี เริ่มต้น atwo classseparationstudyclassifyingnormalandabnormal (มะเร็ง) breasttissues
ทำTheHistogramofOrientedGradients(HOG),DenseScaleInvariantFeatureTransform
(DSIFT), andLocalConfiguration รูป (LCP) methodsareusedtoextracttherotation - andscale-
invariantfeaturesforalltissuepatchesAclassification ismadeutilizingSupportVectorMachine (SVM),
k-NearestNeighborhood(k-NN), DecisionTree, andFisherLinearDiscriminantAnalysis (FLDA) ผ่าน
10-foldcrossvalidationแล้ว athree-classstudy(normal,benign,andmalignantcancerouscases) เป็น
ดำเนิน outusingsimilarproceduresinatwo classcase อย่างไรก็ ตาม theattainedclassification accuracies
พอใจกับ notsufficiently ดังนั้นanewfeatureextractionframeworkisproposedThefeature
vectorsareagainextractedwiththisnewframework, andmoresatisfactoryresultsareobtained.
newframeworkachievedaremarkableincreaseinrecognitionperformanceforthethree ของเรา-
ชั้นเรียน

ผลลัพธ์ (ไทย) 2:

นี้ paperinvestigatesapatternrecognitionframeworkinordertodetermineandclassifybreastcancer
กรณี ในขั้นต้น ATWO-classseparationstudyclassifyingnormalandabnormal (มะเร็ง) breasttissues
เป็น achieved.TheHistogramofOrientedGradients (HOG) DenseScaleInvariantFeatureTransform
(DSIFT) andLocalConfiguration outusingsimilarproceduresinatwo-classcase แต่ความถูกต้อง theattainedclassification มีความพึงพอใจ notsufficiently newframeworkachievedaremarkableincreaseinrecognitionperformanceforthethree- การศึกษาชั้น

ผลลัพธ์ (ไทย) 3:

paperinvestigatesapatternrecognitionframeworkinordertodetermineandclassifybreastcancer
นี้กรณี ตอนแรก atwo classseparationstudyclassifyingnormalandabnormal ( มะเร็ง ) breasttissues
ได้ thehistogramoforientedgradients ( หมู ) , densescaleinvariantfeaturetransform
( dsift ) andlocalconfiguration แบบแผน ( LCP ) methodsareusedtoextracttherotation andscale -
invariantfeaturesforalltissuepatches .aclassification ismadeutilizingsupportvectormachine ( SVM )
k-nearestneighborhood ( k-nn ) ต้นไม้ตัดสินใจ andfisherlineardiscriminantanalysis , ( flda ) ผ่าน
10 foldcrossvalidation จากนั้น athree classstudy ( ปกติ เนื้องอก andmalignantcancerouscases )
อุ้ม outusingsimilarproceduresinatwo classcase อย่างไรก็ตาม theattainedclassification ความถูกต้อง
พอใจ notsufficiently . ดังนั้นanewfeatureextractionframeworkisproposed . thefeature vectorsareagainextractedwiththisnewframework andmoresatisfactoryresultsareobtained
, .
-
เรา newframeworkachievedaremarkableincreaseinrecognitionperformanceforthethree คลาสเรียน