Login
Registrati
Reimposta password
Pubblica & Distribuisci
Soluzioni Editoriali
Soluzioni di Distribuzione
Temi
Architettura e design
Arti
Business e Economia
Chimica
Chimica industriale
Farmacia
Filosofia
Fisica
Geoscienze
Ingegneria
Interesse generale
Legge
Letteratura
Linguistica e semiotica
Matematica
Medicina
Musica
Scienze bibliotecarie e dell'informazione, studi library
Scienze dei materiali
Scienze della vita
Scienze informatiche
Scienze sociali
Sport e tempo libero
Storia
Studi classici e del Vicino Oriente antico
Studi culturali
Studi ebraici
Teologia e religione
Pubblicazioni
Riviste
Libri
Atti
Editori
Blog
Contatti
Cerca
EUR
USD
GBP
Italiano
English
Deutsch
Polski
Español
Français
Italiano
Carrello
Home
Riviste
Applied Mathematics and Nonlinear Sciences
Volume 8 (2023): Numero 1 (January 2023)
Accesso libero
Study on spatial planning and design of learning commons in university libraries based on fuzzy matrix model
Binli Gu
Binli Gu
,
Kenichi Tanoue
Kenichi Tanoue
e
Ali Sedki
Ali Sedki
| 15 lug 2022
Applied Mathematics and Nonlinear Sciences
Volume 8 (2023): Numero 1 (January 2023)
INFORMAZIONI SU QUESTO ARTICOLO
Articolo precedente
Articolo Successivo
Sommario
Immagini e tabelle
Bibliografia
Autori
Articoli in questo Numero
Anteprima
PDF
Cita
CONDIVIDI
Pubblicato online:
15 lug 2022
Pagine:
869 - 880
Ricevuto:
19 gen 2022
Accettato:
20 mar 2022
DOI:
https://doi.org/10.2478/amns.2022.2.0074
Parole chiave
Fuzzy matrix
,
University library
,
Learning shared space
,
Image retrieval algorithm
© 2023 Binli Gu et al., published by Sciendo
This work is licensed under the Creative Commons Attribution 4.0 International License.
FIG. 1
Structure diagram
Figure 2
Functional value of spatial patterns
FIG. 3
Schematic diagram of gray co-occurrence matrix
FIG. 4
Schematic diagram of SVM image classification
Figure 5
The effect obtained using a 36-dimensional color histogram
Figure 6
The effect obtained using a 256-dimensional color histogram
Figure 7
Value change of threshold T
FIG. 8
Change of calibration curve under different feedback times
FIG. 9
Comparison of algorithm performance