Leiber distance. The Kullback Leibe

Leiber distance. The Kullback Leiber distance binary tree SVM(KLTSVM)
is applied for classification as well. In this experiment, the same training
and testing samples are used. The parameters are C=1024 and γ=0.5,
the classification accuracy is 93.82%, Kappa coefficient is 0.7682, and
time consumed is 0.9982 s. Comparing the results of two algorithms,
Fig. 7 shows that two methods could reach the same accuracy among
general objects. However, the results are different between road and
bare soil. We can reach the conclusion from Fig. 8, which is about the
spectral of road and bare boil in the experiment data set. Totally, JM distance
performs better for BTSVM than Kullback Leiber distance especially
in hyperspectral classification.

ผลลัพธ์ (ไทย) 1:

ระยะ Leiber การ Kullback Leiber ระยะต้นไม้ไบนารี SVM(KLTSVM)จะใช้สำหรับการจัดประเภทเป็นอย่างดี ในการทดลองนี้ การฝึกเดียวกันและตัวอย่างการทดสอบจะใช้ พารามิเตอร์มี C = 1024 และγ = 0.5ความถูกต้องของการจัดประเภทเป็น 93.82% สัมประสิทธิ์ Kappa 0.7682 และเวลาที่ใช้คือ 0.9982 s. เปรียบเทียบอัลกอริทึม 2รูป 7 แสดงว่า สองวิธีสามารถเข้าถึงความถูกต้องเดียวกันในหมู่วัตถุทั่วไป อย่างไรก็ตาม ผลลัพธ์แตกต่างระหว่างถนน และดินเปล่า เราสามารถเข้าถึงข้อสรุปจากรูป 8 ซึ่งเกี่ยวกับการสเปกตรัมของถนนและต้มเปลือยในชุดข้อมูลการทดลอง ระยะทางทั้งหมด JMทำงานได้ดีสำหรับ BTSVM เกินระยะ Kullback Leiber โดยเฉพาะในการจัดประเภท hyperspectral

ผลลัพธ์ (ไทย) 2:

ระยะทาง Leiber Kullback Leiber ระยะทางต้นไม้ไบนารี SVM (KLTSVM)
ถูกนำไปใช้สำหรับการจำแนกได้เป็นอย่างดี ในการทดลองนี้การฝึกอบรมเดียวกัน
และการทดสอบตัวอย่างถูกนำมาใช้ พารามิเตอร์ C = 1024 และγ = 0.5,
ความถูกต้องของการจัดหมวดหมู่เป็น 93.82%, Kappa ค่าสัมประสิทธิ์คือ 0.7682 และ
เวลาการบริโภคเป็น 0.9982 s เปรียบเทียบผลของทั้งสองขั้นตอนวิธีการที่
รูป 7 แสดงให้เห็นว่าทั้งสองวิธีจะไปถึงความถูกต้องเหมือนกันในหมู่
วัตถุทั่วไป อย่างไรก็ตามผลที่แตกต่างกันระหว่างถนนและ
ดินเปลือย เราสามารถบรรลุข้อสรุปจากมะเดื่อ 8 ซึ่งเป็นเรื่องเกี่ยวกับ
สเปกตรัมของถนนและต้มเปลือยในชุดข้อมูลการทดสอบ ทั้งหมด JM ระยะทาง
ดำเนินการที่ดีกว่าสำหรับ BTSVM กว่าระยะห่าง Kullback Leiber โดยเฉพาะอย่างยิ่ง
ในการจำแนก Hyperspectral

ผลลัพธ์ (ไทย) 3:

Leiber ระยะทาง พวกคัลแบ็ก Leiber ไบนารีต้นไม้ SVM ( kltsvm ) ระยะทางที่ใช้ในการจำแนกได้เป็นอย่างดี ในการทดลองนี้ ฝึกเหมือนกันและตัวอย่างทดสอบที่ใช้ ค่า C = 1024 และγ = 0.5 ,ความแม่นยำในการจำแนก คือ 93.82 % , ค่าสัมประสิทธิ์แคปป้า คือ 0.7682 , และเวลาใช้ 0.9982 . เปรียบเทียบผลสองขั้นตอนวิธีรูปที่ 7 แสดงให้เห็นว่าสองวิธีสามารถเข้าถึงความถูกต้องเดียวกันระหว่างวัตถุทั่วไป อย่างไรก็ตาม ผลจะแตกต่างกันระหว่างถนนและดินเปล่า เราสามารถไปถึงข้อสรุปจากภาพที่ 8 ซึ่งเป็นเรื่องเกี่ยวกับสเปกตรัมของถนนและต้มเปลือยในการทดลองชุดข้อมูล ทั้งหมด JM ระยะทางประสิทธิภาพดีกว่า btsvm กว่าคัลแบ็ก Leiber ระยะโดยเฉพาะอย่างยิ่งหมวดหมู่ hyperspectral .