FARKLI MLS NOKTA BULUTU YOĞUNLUKLARININ VE KOMŞULUK YÖNTEMLERİNİN KONTROLLÜ SINIFLANDIRMAYA ETKİSİ
Notice bibliographique
Résumé
ZETMobil Lazer Tarama (MLS) sistemleri, genellikle kentsel alanlarn ve yol alarnn 3-boyutlu haritalanmasnda tercih edilen, hzl, yksek dorulukta ve yksek younlukta bir veri toplama yntemidir.Bu aratrmada, MLS nokta bulutu snflandrmasnda geleneksel olarak kullanlan yntemlerden olan 2-boyutlu ve 3-boyutlu k-en yakn komuluk (kNN), kresel ve silindirik komuluk yntemleri deerlendirilmitir.lem sresini azaltmak ve beraberinde farkl komuluk hesab yntemlerinin dk younluktaki nokta bulutlarndaki sonuca etkisini deerlendirmek amacyla veri alt rnekleme uygulanmtr.Bu hususta; 3 ana aamada nokta tabanl kontroll snflandrma ilemi gerekletirilmitir: (i) yerel komuluk ilikisinin kurulmas, (ii) znitelik bilgisinin karlmas ve (iii) nokta tabanl snflandrma.Yntemler, ara tabanl MLS sistemleriyle toplanm ve her biri 8 semantik snf ieren TUM-MLS1 ve Toronto-3D nokta bulutlar zerinde test edilmitir.Asl ve farkl younluklardaki alt rneklemlere ayrlan nokta bulutlarndan, belirlenen sabit parametreli yerel komuluk trlerine gre geometrik ve ekil tabanl znitelikler karlm ve Rastgele Orman snflandrma yntemi her bir noktay etiketlemede tercih edilmitir.Sonu olarak, her iki nokta bulutu verisinde de %95,1 genel dorulukta silindirik komuluk yntemi kullanlarak en iyi sonu elde edilmitir.Nokta bulutu younluunun azaltlmasyla ilem sresi bakmndan btn yntemlerde beklendii zere azalmalar gzlenmi olup genel doruluklarda da kayplar olduu gzlemlenmitir
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,201 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».