غیر واضح سیکھنے کی تکنیکیں بڑی حد تک تصاویر میں استعمال کی جاتی ہیں تاکہ تصاویر کے اندر موجود مفہوم کو واضح کیا جا سکے. یہ طریقہ کار ان اطلاقات میں مدد کرتا ہے جہاں دستی انوٹیشن کو غیر معمولی یا قابل استعمال سمجھا جاتا ہے

بنیادی طور پر غیر واضح تصویری تصویر کشی

غیر واضح تصاویری تخط ⁇ میں رنگ، تخط ⁇ یا شدت جیسے خصوصیات پر مبنی گروہ بندی شامل ہیں۔عام الجبرا میں K-maglass setting، magnet Shift، اور گراف پر مبنی طریقوں شامل ہیں۔یہ تکنیکیں اس بات کا تجزیہ کرتی ہیں کہ تصاویر اعداد و شمار پہلے لیبل کے بغیر الگ الگ علاقوں میں تقسیم کیے جائیں۔

اصلاح کیلئے عملی مشورت

ترقیاتی نتائج کو بہتر بنانے کے لیے مندرجہ ذیل تجاویز پر غور کریں:

  • پریبل تصاویر : نارمل طور پر پائی جانے والی قیمتیں کم کرنے کے لیے.
  • انتخاب متعلقہ خصوصیات:] بہتر تناسب کے لیے رنگ کی جگہیں استعمال کریں جیسے LB یا HSV۔
  • Funtimal پیرامیٹر: [1] K-AUC کے لیے مخصوص طریقے استعمال کریں جیسے کہ تعداد میں شمار ہونے والے اجزا کا انتخاب کریں۔
  • Validate نتائج :] میٹرک جیسے میٹرک استعمال کرتے ہوئے اس میں سیلیوٹی سکور استعمال کیا جاتا ہے تاکہ اس کی مقدار کا تجزیہ کیا جا سکے۔

کیلکول اور میٹرکس

tunting Alphabeths and sults onsults. مثال کے طور پر، K-culster settlection میں مربعس (WCSS) کی اندرونی کمیت کو طے کرنے میں مدد دیتی ہے. سلیوٹ اسکور اس بات کا اندازہ لگا سکتا ہے کہ دوسرے پھولوں کے مقابلے میں کس طرح کے کس طرح کے خلیات میں موجود ہیں

حساب لگانے کے لئے:

ہر نقطہ اور اس کے کلوگرام سینٹی‌میٹر‌میٹرئیڈ کے درمیان میں مربعوں کے فاصلے پر ۔

اس میں زیادہ مقدار میں بہتر کارکردگی کی نشاندہی کرنے کیلئے زیادہ سے زیادہ اعلیٰ معیاروں کی شرحیں پائی جاتی ہیں ۔