A measure of similarities in the fe

A measure of similarities in the feature space should
capture the similarities between the initial image models [5].
Still, many times, the value scale is a subjective measure.
The simple measurement of distances, as the Euclidian
distance, may not maintain the initial similarity. Therefore,
the computation of the right measure of similarity may be
seen as a learning problem. The purpose of learning is to
divide the original feature space into clusters with similar
visual models. A large number of labeled images and the
associated characteristic vectors are used during the last
phase. When a texture model is presented, the network
allocates a class, based on its characteristic vector. The final
ordered set of results is then computed using the Euclidian
distance within the same class [10]. The analysis based on the texture properties is largely
used in multimedia or image databases [1]. Usually, the
images from these databases have very large dimensions,
varying from several MB to hundreds of MB, representing a
serious challenge for the image analysis and data
visualization.

ผลลัพธ์ (ไทย) 1:

การวัดความคล้ายคลึงในลักษณะช่องว่างควรรวบรวมความเหมือนระหว่างรูปภาพเริ่มต้น [5]ยังคง หลายครั้ง มาตราส่วนค่าได้วัดตามอัตวิสัยวัดระยะทาง เป็น Euclidian ง่ายห่างจากที่พัก อาจรักษาเบื้องต้นคล้ายคลึงกัน ดังนั้นการคำนวณการวัดความคล้ายคลึงกันขวาอาจเห็นเป็นปัญหาในการเรียนรู้ วัตถุประสงค์ของการเรียนรู้คือแบ่งพื้นที่คุณลักษณะเดิมคลัสเตอร์ด้วยเหมือนกันรูปภาพ ภาพป้ายเป็นจำนวนมากและใช้เวกเตอร์ลักษณะสัมพันธ์ระหว่างล่าสุดขั้นตอนการ เมื่อมีการนำเสนอแบบจำลองพื้นผิว เครือข่ายจัดสรรคลา ตามเวกเตอร์ของลักษณะ สุดท้ายแล้วคำนวณผลลัพธ์ชุดสั่งใช้ใน Euclidianห่างจากที่พักภายในคลาสเดียวกัน [10] การวิเคราะห์ตามคุณสมบัติพื้นผิวเป็นส่วนใหญ่ใช้ในมัลติมีเดียหรือภาพฐานข้อมูล [1] ปกติ นี้รูปภาพจากฐานข้อมูลเหล่านี้มีขนาดใหญ่มากแตกต่างกันจาก MB หลายร้อย MB แทนความท้าทายที่รุนแรงสำหรับการวิเคราะห์ภาพและข้อมูลแสดงภาพประกอบเพลง

ผลลัพธ์ (ไทย) 3:

วัดความคล้ายคลึงกันในลักษณะพื้นที่ควร
จับความคล้ายคลึงกันระหว่างรูปแบบภาพแรก [ 5 ] .
ก็หลายครั้ง เป็นการวัดค่าแบบอัตนัย .
การวัดอย่างง่ายของระยะทางเป็น euclidian
ระยะทาง ไม่อาจรักษาความเบื้องต้น ดังนั้น การคำนวณของมาตรการด้านขวา

เห็นความเหมือนอาจจะเป็นปัญหาในการเรียนรู้ .วัตถุประสงค์ของการเรียนจะแบ่งพื้นที่คุณลักษณะเดิม
เป็นกระจุกกับรูปแบบภาพที่คล้ายกัน

ตัวเลขขนาดใหญ่ของข้อความภาพและคุณลักษณะที่เกี่ยวข้องเวกเตอร์
ถูกใช้ในระหว่างขั้นตอนสุดท้าย

เมื่อพื้นผิวโมเดลจะนำเสนอเครือข่าย
แบ่งชั้น ตามลักษณะของเวกเตอร์ สุดท้ายชุดของผลลัพธ์ที่เป็นแล้ว

euclidian คำนวณโดยใช้ระยะทางภายในห้องเดียวกัน [ 10 ] การวิเคราะห์ตามลักษณะ คุณสมบัติส่วนใหญ่
ใช้มัลติมีเดีย หรือฐานข้อมูลรูปภาพ [ 1 ] โดยปกติ
ภาพจากฐานข้อมูลเหล่านี้มีขนาดใหญ่มาก แตกต่างจากหลาย
บางครั้งหลายร้อย MB แทน
ท้าทายสำหรับการวิเคราะห์ข้อมูลภาพและ
การแสดงภาพประกอบเพลง .