AbstractIn this paper, we propose a

Abstract
In this paper, we propose a decision tree twin support vector machine (DTTSVM) for multi-class classification. To realize our
DTTSVM, there are two main steps: (1), a binary tree is constructed based on the best separating principle, which maximizing
the distance between the classes. (2), in our binary tree, the binary TWSVM decision model is built for each node to obtain our
DTTSVM. By using the decision tree model, our DTTSVM effectively overcomes the possible ambiguous occurred in multi-
TWSVM and MBSVM. The preliminary experimental results indicate that the proposed method produces simple decision
trees that generalize well with respect to multi-TWSVM and MBSVM.

ผลลัพธ์ (ไทย) 1:

นามธรรม
ในกระดาษนี้ เราเสนอตัดสินใจต้นไม้คู่สนับสนุนเวกเตอร์เครื่อง (DTTSVM) สำหรับ classification หลายชั้น ตระหนักของเรา
DTTSVM มีสองขั้นตอนหลัก: (1), ต้นไม้ไบนารีได้สร้างตามส่วนแยกหลัก การเพิ่ม
ระยะห่างระหว่างเรียน (2), ในต้นไม้ไบนารีของเรา สร้างแบบจำลองการตัดสินใจ TWSVM ไบนารีสำหรับแต่ละโหนดจะได้รับของเรา
DTTSVM โดยใช้แบบแผนภูมิการตัดสินใจ effectively DTTSVM ของ overcomes ได้ไม่ชัดเจนเกิดขึ้นในหลาย-
TWSVM และ MBSVM ผลการทดลองเบื้องต้นบ่งชี้ว่า วิธีการนำเสนอให้ตัดสินใจง่าย
ต้นไม้ที่เมกันกับหลาย TWSVM และ MBSVM

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ในบทความนี้เรานำเสนอการสนับสนุนคู่ต้นไม้ตัดสินใจเครื่องเวกเตอร์ (DTTSVM) สำหรับหลายชั้นจัดประเภทไอออนบวก ตระหนักถึงเรา
DTTSVM มีสองขั้นตอนหลัก: (1), ต้นไม้ไบนารีที่สร้างขึ้นบนพื้นฐานของหลักการแยกที่ดีที่สุดซึ่งการเพิ่ม
ระยะห่างระหว่างชั้นเรียน (2) ในต้นไม้ไบนารีของรูปแบบการตัดสินใจ TWSVM ไบนารีที่สร้างขึ้นสำหรับแต่ละโหนดที่จะได้รับของเรา
DTTSVM โดยใช้รูปแบบต้นไม้ตัดสินใจ DTTSVM อีเมลของเรา ff ectively เอาชนะไปได้ไม่ชัดเจนที่เกิดขึ้นในหลาย
TWSVM และ MBSVM ผลการทดลองเบื้องต้นบ่งชี้ว่าวิธีที่เสนอผลิตตัดสินใจง่าย
ต้นไม้ที่พูดคุยกันด้วยความเคารพต่อหลาย TWSVM และ MBSVM

ผลลัพธ์ (ไทย) 3:

นามธรรม
ในกระดาษนี้เราเสนอการตัดสินใจ ต้นไม้แฝดสนับสนุนเวกเตอร์เครื่องจักร ( dttsvm ) สำหรับหลายชั้นจึง classi ไอออนบวก ตระหนัก dttsvm ของเรา
มีสองขั้นตอนหลัก ได้แก่ ( 1 ) ต้นไม้ไบนารีถูกสร้างบนพื้นฐานของหลักการที่ดีที่สุดแยกซึ่งเพิ่ม
ระยะห่างระหว่างชั้นเรียน ( 2 ) ในต้นไม้ไบนารีของเราไบนารี twsvm การตัดสินใจแบบจำลองที่สร้างขึ้นสำหรับแต่ละโหนดเพื่อให้ได้ dttsvm ของเรา

โดยใช้การตัดสินใจแบบต้นไม้ของเรา dttsvm E ff ectively เอาชนะไปได้คลุมเครือที่เกิดขึ้นใน multi -
twsvm และ mbsvm . เบื้องต้นผลการทดลองพบว่าวิธีการผลิตง่าย การตัดสินใจ
ต้นไม้ที่ลงความเห็นด้วยความเคารพและหลาย twsvm mbsvm .