I
n
te
r
n
ati
o
n
al
Jo
u
r
n
al
o
f
El
e
c
tr
i
c
a
l
an
d
C
o
m
p
u
te
r
En
gi
n
e
e
r
i
n
g
(I
JEC
E
)
V
o
l
.
10
,
N
o
.
4
,
A
ugus
t
20
20
,
pp
.
4340
~
4351
IS
S
N
:
2088
-
8708
,
D
O
I
:
10.
1
1591
/
i
j
e
c
e
.
v
10
i
4
.
pp
4340
-
4351
4340
Jou
r
n
al
h
o
m
e
pa
ge
:
ht
t
p:
/
/
i
j
e
c
e
.
i
ae
s
c
or
e
.
c
om
/
i
nd
e
x
.
php
/
IJ
E
CE
S
e
m
i
-
su
p
e
r
v
i
sed l
e
a
r
n
i
n
g
a
p
p
r
o
a
c
h
u
si
n
g
m
o
d
i
f
i
e
d
s
e
l
f
-
t
r
a
i
n
i
n
g
a
l
g
o
r
i
t
h
m
t
o
c
o
u
n
t
e
r
b
u
r
st
h
e
a
d
e
r
p
a
c
k
e
t
f
l
o
o
d
i
n
g
a
t
t
a
c
k
i
n
o
p
t
i
c
a
l
b
u
r
st
s
w
i
t
c
h
i
n
g
n
e
t
w
o
r
k
M
d
.
K
am
r
u
l
H
o
s
s
ai
n
,
M
d
.
M
o
k
am
m
e
l
H
aq
u
e
D
e
pa
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
a
n
d
E
ng
i
ne
e
r
i
ng
,
C
h
i
t
t
a
g
o
ng
U
ni
v
e
r
s
i
t
y
of
E
ng
i
ne
e
r
i
ng
a
nd
T
e
c
hno
l
o
gy
,
B
a
ng
l
a
de
s
h
A
r
ti
c
l
e
I
n
fo
A
B
S
TR
A
C
T
Ar
t
i
c
l
e
h
i
s
t
or
y
:
R
e
c
e
i
v
e
d
N
ov
3
,
2019
R
e
v
i
s
e
d
F
e
b
2
5
,
202
0
A
c
c
e
pt
e
d
M
a
r
3
,
2020
B
ur
s
t
h
e
a
d
e
r
pa
c
ke
t
f
l
o
o
di
ng
i
s
a
n
a
t
t
a
c
k
o
n
o
pt
i
c
a
l
bu
r
s
t
s
w
i
t
c
h
i
ng
(
O
B
S
)
ne
t
w
o
r
k
w
hi
c
h
m
a
y
c
a
us
e
d
e
ni
a
l
o
f
s
e
r
v
i
c
e
.
A
ppl
i
c
a
t
i
o
n
o
f
m
a
c
hi
n
e
l
e
a
r
ni
ng
t
e
c
hni
que
t
o
d
e
t
e
c
t
m
a
l
i
c
i
o
us
no
de
s
i
n
O
B
S
n
e
t
w
o
r
k
i
s
r
e
l
a
t
i
v
e
l
y
ne
w
.
A
s
f
i
ndi
ng
s
uf
f
i
c
i
e
nt
a
m
o
unt
o
f
l
a
b
e
l
e
d
da
t
a
t
o
pe
r
f
o
r
m
s
upe
r
v
i
s
e
d
l
e
a
r
ni
ng
i
s
d
i
f
f
i
c
ul
t
,
s
e
m
i
-
s
up
e
r
v
i
s
e
d
m
e
t
ho
d
o
f
l
e
a
r
ni
ng
(
S
S
M
L
)
c
a
n
be
l
e
v
e
r
a
g
e
d.
I
n
t
hi
s
pa
pe
r
,
w
e
s
t
ud
i
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
ni
ng
a
l
g
o
r
i
t
hm
(
S
T
)
w
hi
c
h
us
e
s
S
S
M
L
pa
r
a
di
g
m
.
G
e
ne
r
a
l
l
y
,
i
n
S
T
,
t
he
a
v
a
i
l
a
bl
e
t
r
ue
-
l
a
be
l
e
d
d
a
t
a
(
L
)
i
s
u
s
e
d
t
o
t
r
a
i
n
a
ba
s
e
c
l
a
s
s
i
f
i
e
r
.
T
he
n
i
t
pr
e
di
c
t
s
t
he
l
a
be
l
s
o
f
unl
a
be
l
e
d
da
t
a
(
U
)
.
A
po
r
t
i
o
n
f
r
o
m
t
he
ne
w
l
y
l
a
be
l
e
d
d
a
t
a
i
s
r
e
m
o
v
e
d
f
r
o
m
U
ba
s
e
d
o
n
pr
e
d
i
c
t
i
o
n
c
o
nf
i
de
nc
e
a
nd
c
o
m
bi
ne
d
w
i
t
h
L
.
T
he
r
e
s
u
l
t
i
ng
da
t
a
i
s
t
he
n
u
s
e
d
t
o
r
e
-
t
r
a
i
n
t
h
e
c
l
a
s
s
i
f
i
e
r
.
T
h
i
s
p
r
o
c
e
s
s
i
s
r
e
pe
a
t
e
d
un
t
i
l
c
o
nv
e
r
g
e
nc
e
.
T
hi
s
pa
pe
r
pr
o
po
s
e
s
a
m
o
di
f
i
e
d
s
e
l
f
-
t
r
a
i
ni
ng
m
e
t
ho
d
(
M
S
T
)
.
W
e
t
r
a
i
ne
d
m
u
l
t
i
p
l
e
c
l
a
s
s
i
f
i
e
r
s
o
n
L
i
n
t
w
o
s
t
a
g
e
s
a
nd
l
e
v
e
r
a
g
e
d
a
g
r
e
e
m
e
n
t
a
m
o
ng
t
ho
s
e
c
l
a
s
s
i
f
i
e
r
s
t
o
de
t
e
r
m
i
n
e
l
a
be
l
s
.
T
he
pe
r
f
o
r
m
a
nc
e
o
f
M
S
T
w
a
s
c
o
m
pa
r
e
d
w
i
t
h
S
T
o
n
s
e
v
e
r
a
l
da
t
a
s
e
t
s
a
nd
s
i
g
ni
f
i
c
a
n
t
i
m
p
r
o
v
e
m
e
nt
w
a
s
f
o
und
.
W
e
a
ppl
i
e
d
t
he
M
S
T
o
n
a
s
i
m
u
l
a
t
e
d
O
B
S
ne
t
w
o
r
k
da
t
a
s
e
t
a
nd
f
o
und
v
e
r
y
hi
g
h
a
c
c
ur
a
c
y
w
i
t
h
a
s
m
a
l
l
num
b
e
r
o
f
l
a
be
l
e
d
da
t
a
.
F
i
na
l
l
y
w
e
c
o
m
pa
r
e
d
t
h
i
s
w
o
r
k
w
i
t
h
s
o
m
e
r
e
l
a
t
e
d
w
o
r
ks
.
K
e
y
w
or
d
s
:
BH
P
f
l
oo
di
n
g
a
t
t
a
c
k
Cl
a
s
s
i
f
i
c
a
t
i
o
n
O
pt
i
c
a
l
b
ur
s
t
s
w
i
t
c
hi
n
g
n
e
t
w
o
r
k
S
e
l
f
-
t
r
a
i
n
i
n
g
a
l
go
ri
t
hm
S
e
m
i
-
s
upe
r
v
i
s
e
d
l
e
a
rni
n
g
C
opy
r
i
gh
t
©
2020
I
n
s
t
i
t
ut
e
o
f
A
dv
anc
e
d
E
ng
i
ne
e
r
i
ng
and
S
c
i
e
nc
e
.
A
l
l
r
i
gh
t
s
r
e
s
e
r
v
e
d
.
Cor
r
e
s
pon
di
n
g
Au
t
h
or
:
M
d.
K
a
m
rul
H
os
s
a
i
n
,
D
e
pa
rt
m
e
n
t
o
f
Co
m
put
e
r
S
c
i
e
n
c
e
a
nd
E
n
g
i
n
e
e
r
i
ng
,
Chi
t
t
a
go
n
g
U
n
i
v
e
r
s
i
t
y
of
E
n
gi
n
e
e
r
i
n
g
a
n
d
T
e
c
hn
o
l
o
g
y
,
Chi
t
t
a
go
n
g
-
434
9,
B
a
n
gl
a
de
s
h.
E
m
a
i
l
:
m
u
ha
m
m
a
dk
a
m
r
u
l
h
o
s
s
a
i
n
@
gm
a
i
l
.
c
o
m
1.
I
N
TR
O
D
U
C
TI
O
N
O
pt
i
c
a
l
b
ur
s
t
s
w
i
t
c
h
i
ng
(O
B
S
)
[1]
n
e
t
w
o
r
k
i
s
a
n
e
w
ge
n
e
ra
t
i
o
n
o
pt
i
c
a
l
n
e
t
w
o
r
ki
n
g
pa
ra
di
gm
t
h
a
t
c
o
m
b
i
n
e
s
t
h
e
a
dv
a
nt
a
ge
s
o
f
t
r
a
di
t
i
o
na
l
o
pt
i
c
a
l
c
i
r
c
ui
t
s
w
i
t
c
h
i
n
g
(O
CS
)
a
n
d
o
pt
i
c
a
l
p
a
c
ke
t
s
w
i
t
c
h
i
n
g(O
P
S
)
.
In
O
B
S
n
e
t
w
o
r
k,
a
n
IP
p
a
c
ke
t
o
r
o
pt
i
c
a
l
pa
c
ke
t
w
h
i
c
h
i
s
t
ra
v
e
l
l
i
n
g
f
r
o
m
s
o
ur
c
e
t
o
de
s
t
i
na
t
i
o
n,
i
s
f
i
r
s
t
r
e
c
e
i
v
e
d
by
a
n
i
ng
r
e
s
s
n
o
de
(o
pt
i
c
a
l
r
o
ut
e
r
)
.
T
h
e
r
e
i
t
i
s
b
uff
e
r
e
d
f
o
r
a
v
e
r
y
s
h
o
r
t
t
i
m
e
w
hi
c
h
i
s
n
o
t
a
s
b
i
g
a
s
i
n
O
CS
.
I
n
t
h
i
s
t
i
m
e
,
o
t
h
e
r
pa
c
ke
t
s
m
a
y
j
o
i
n
w
i
t
h
t
h
e
f
o
rm
e
r
p
a
c
ke
t
i
n
t
ha
t
b
uf
fe
r
.
W
h
e
n
t
h
e
t
i
m
e
i
s
o
v
e
r
,
a
c
o
nt
r
o
l
p
a
c
ke
t
o
r
b
ur
s
t
h
e
a
de
r
p
a
c
ke
t
(B
H
P
)
i
s
s
e
n
t
f
r
o
m
t
h
e
i
n
g
r
e
s
s
n
o
de
l
i
ke
O
CS
t
o
t
r
y
a
l
l
o
c
a
t
i
n
g
r
e
s
o
ur
c
e
s
f
o
r
t
h
e
pa
c
ke
t
s
i
n
b
uf
fe
r
t
o
t
ra
v
e
l
t
o
w
a
r
ds
de
s
t
i
na
t
i
o
n
.
A
f
t
e
r
w
a
i
t
i
n
g
f
o
r
a
w
h
i
l
e
,
t
h
e
da
t
a
(p
a
c
ke
t
s
)
i
n
t
h
e
b
uff
e
r
w
i
l
l
b
e
s
e
n
t
w
i
t
h
o
ut
w
a
i
t
i
ng
f
o
r
c
o
n
f
i
r
m
a
t
i
o
n
f
ro
m
t
h
e
s
e
nt
B
H
P
.
I
n
t
hi
s
w
a
y
,
t
hi
s
O
B
S
s
c
h
e
m
e
w
o
r
ks
l
i
ke
b
o
t
h
O
P
S
a
nd
O
CS
b
ut
w
i
t
h
o
ut
t
h
e
a
s
s
o
c
i
a
t
e
d
pr
o
b
l
e
m
s
o
f
O
P
S
/
O
CS
l
i
ke
hi
g
h
s
e
t
up
l
a
t
e
n
c
y
,
l
o
w
b
a
n
dw
i
dt
h
ut
i
l
i
z
a
t
i
o
n
o
r
o
pt
i
c
a
l
b
uff
e
r
r
e
qui
r
e
m
e
n
t
e
t
c
.
I
n
O
B
S
n
e
t
w
o
r
k,
B
H
P
f
l
o
o
di
n
g
a
t
t
a
c
k
[2]
i
s
a
t
y
pe
of
D
o
S
a
t
t
a
c
k
w
h
e
r
e
a
m
a
l
i
c
i
o
us
n
o
de
s
e
n
d
B
H
P
s
t
o
o
pt
i
c
a
l
s
w
i
t
c
h
t
o
a
l
l
o
c
a
t
e
r
e
s
o
ur
c
e
s
b
ut
i
t
do
e
s
s
e
n
d
a
n
y
v
a
l
i
d
d
a
t
a
a
f
t
e
r
i
t
,
i
.
e
.
i
t
w
a
n
t
s
t
o
h
o
l
d
t
h
e
r
e
s
o
ur
c
e
s
of
t
h
e
c
o
r
e
n
o
de
t
o
de
p
r
i
v
e
l
e
gi
t
i
m
a
t
e
n
o
de
s
f
r
o
m
us
i
n
g
i
t
.
Evaluation Warning : The document was created with Spire.PDF for Python.
Int
J
E
l
e
c
&
Co
m
p
E
n
g
IS
S
N
:
2088
-
8708
Se
m
i
-
s
up
e
r
v
i
s
e
d
l
e
ar
ni
ng
appr
o
ac
h
us
i
n
g
m
od
i
f
i
e
d
s
e
l
f
-
t
r
ai
n
i
ng
al
gor
i
t
hm
…
(
Md.
Kam
r
ul
H
os
s
ai
n
)
4341
T
o
p
r
e
v
e
n
t
B
H
P
f
l
oo
di
n
g
a
t
t
a
c
k,
s
o
m
e
a
pp
r
o
a
c
h
e
s
w
e
r
e
di
s
c
us
s
e
d
i
n
[2
-
4]
.
T
h
e
s
e
m
e
t
h
o
ds
m
o
r
e
o
r
l
e
s
s
de
pe
n
d
o
n
h
u
m
a
n
n
e
t
w
o
r
k
a
d
m
i
ni
s
t
ra
t
o
r
t
o
s
e
t
r
ul
e
s
fo
r
l
a
b
e
l
i
ng
m
i
s
b
e
h
a
v
i
n
g
n
o
de
s
.
T
hi
s
p
r
e
v
e
n
t
s
t
h
e
m
f
r
o
m
b
e
i
n
g
f
ul
l
y
a
ut
o
m
a
t
e
d.
M
a
c
h
i
n
e
l
e
a
rni
n
g
(M
L
)
a
ppr
o
a
c
h
i
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
O
B
S
n
e
t
w
o
r
k
n
o
de
s
i
s
n
o
t
a
b
u
n
d
a
n
t
i
n
e
xi
s
t
i
n
g
l
i
t
e
r
a
t
u
r
e
s
a
s
pe
r
o
ur
s
t
u
dy
.
L
i
t
t
l
e
r
e
s
e
a
r
c
h
i
s
a
v
a
i
l
a
b
l
e
r
e
g
a
r
di
ng
a
p
pl
i
c
a
t
i
o
n
of
M
L
i
n
c
o
nt
e
xt
o
f
O
B
S
n
e
t
w
o
r
k.
T
h
e
n
um
b
e
r
i
s
f
e
w
e
r
i
n
t
e
r
m
s
o
f
w
o
r
ks
t
ha
t
s
pe
c
i
f
i
c
a
l
l
y
de
a
l
w
i
t
h
t
h
e
a
pp
l
i
c
a
t
i
o
n
o
f
M
L
t
o
pr
e
v
e
n
t
B
H
P
f
l
oo
di
n
g.
A
m
o
n
g
t
h
e
m
,
R
a
j
a
b
e
t
a
l
.
i
n
[5]
di
s
c
us
s
e
d
a
b
o
ut
a
de
c
i
s
i
o
n
t
r
e
e
b
a
s
e
d
r
ul
e
f
i
n
d
i
n
g
m
e
t
h
o
d
f
r
o
m
a
m
a
n
ua
l
l
y
b
ui
l
t
d
a
t
a
s
e
t
o
f
O
BS
n
e
t
w
o
r
k.
T
h
e
a
ut
h
o
r
s
s
uc
c
e
s
s
f
ul
l
y
e
m
pl
oy
e
d
s
upe
r
v
i
s
e
d
M
L
a
pp
r
o
a
c
h
t
o
c
l
a
s
s
i
fy
t
h
e
da
t
a
a
nd
h
e
n
c
e
ge
n
e
r
a
t
e
s
o
m
e
r
ul
e
s
t
o
go
v
e
r
n
t
h
e
b
e
h
a
v
i
o
r
of
O
B
S
n
e
t
w
o
r
k
n
o
de
s
.
T
h
o
ug
h
t
h
i
s
r
e
s
e
a
r
c
h
p
a
v
e
d
t
h
e
w
a
y
fo
r
s
u
pe
r
v
i
s
e
d
l
e
a
rn
i
ng
a
p
p
r
o
a
c
h
i
n
c
o
u
n
t
e
r
i
n
g
BH
P
f
l
oo
di
n
g
a
t
t
a
c
k,
s
e
m
i
-
s
upe
r
v
i
s
e
d
o
r
u
n
s
upe
r
v
i
s
e
d
m
e
t
h
o
ds
s
h
o
ul
d
b
e
i
n
v
e
s
t
i
ga
t
e
d
b
e
c
a
us
e
f
i
n
di
ng
l
a
b
e
l
e
d
da
t
a
f
o
r
s
upe
r
v
i
s
e
d
l
e
a
rni
n
g
i
s
n
o
t
a
l
w
a
y
s
p
o
s
s
i
b
l
e
.
I
n
[
6]
a
ut
h
o
r
s
e
xpl
o
i
t
e
d
de
e
p
l
e
a
rn
i
ng
m
e
t
h
o
d
i
n
s
upe
r
v
i
s
e
d
l
e
a
rni
n
g
a
pp
r
o
a
c
h
t
o
de
t
e
c
t
m
i
s
b
e
ha
v
i
n
g
O
B
S
n
e
t
w
o
r
k
n
o
de
s
.
T
h
e
y
c
o
m
pa
r
e
d
t
h
e
i
r
a
pp
r
o
a
c
h
w
i
t
h
N
a
ï
v
e
B
a
y
e
s
,
s
uppo
r
t
v
e
c
t
o
r
m
a
c
h
i
n
e
,
k
-
n
e
a
r
e
s
t
n
e
i
g
h
b
o
r
s
,
a
nd
f
o
un
d
s
upe
r
i
o
r
pe
r
f
o
r
m
a
n
c
e
.
A
s
e
m
i
-
s
upe
r
v
i
s
e
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
O
B
S
n
e
t
w
o
r
k
d
a
t
a
s
e
t
w
a
s
do
n
e
i
n
[7]
us
i
n
g
k
-
m
e
a
n
s
c
l
us
t
e
ri
n
g
t
e
c
hni
que
.
T
h
e
a
u
t
h
o
r
s
us
e
d
20%
i
n
s
t
a
n
c
e
s
o
f
a
l
a
b
e
l
e
d
da
t
a
s
e
t
t
o
t
ra
i
n
t
h
e
i
r
m
e
t
h
o
d.
T
h
e
y
o
b
t
a
i
n
e
d
90.
2
%
a
c
c
ura
c
y
fo
r
t
w
o
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
(us
i
n
g
15
2
l
a
b
e
l
e
d
i
n
s
t
a
n
c
e
s
)
a
n
d
41.
61
%
a
c
c
u
r
a
c
y
fo
r
f
o
ur
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
(us
i
n
g
215
l
a
b
e
l
e
d
i
n
s
t
a
n
c
e
s
)
o
f
O
B
S
n
e
t
w
o
r
k
n
o
de
s
.
In
t
hi
s
s
t
udy
,
w
e
a
r
e
p
r
o
po
s
i
n
g
a
s
e
m
i
-
s
upe
r
v
i
s
e
d
a
pp
r
o
a
c
h
t
o
l
e
a
rn
t
h
e
m
a
l
i
c
i
o
us
b
e
h
a
v
i
o
r
o
f
O
B
S
n
e
t
w
o
r
k
n
o
de
s
.
T
o
t
h
e
b
e
s
t
o
f
o
ur
k
n
o
w
l
e
dge
,
t
h
i
s
s
t
udy
i
s
t
h
e
f
i
r
s
t
t
o
o
ff
e
r
a
s
e
m
i
-
s
upe
r
v
i
s
e
d
s
o
l
ut
i
o
n
w
i
t
h
hi
g
h
a
c
c
ur
a
c
y
i
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
O
B
S
n
e
t
w
o
r
k
n
o
de
s
w
h
e
n
t
h
e
a
m
o
u
n
t
o
f
l
a
b
e
l
e
d
da
t
a
i
s
s
m
a
l
l
.
S
e
m
i
-
s
u
pe
r
v
i
s
e
d
l
e
a
rni
ng
(
S
S
M
L
)
[
8
,
9]
i
s
a
po
p
u
l
a
r
m
a
c
hi
ne
l
e
a
r
ni
ng
p
a
ra
d
i
g
m
w
hi
c
h
m
a
ke
s
us
e
o
f
u
nl
a
b
e
l
e
d
d
a
t
a
t
o
f
i
nd
a
b
e
t
t
e
r
i
ns
i
g
ht
a
b
o
u
t
t
he
s
t
ru
c
t
u
r
e
o
f
d
a
t
a
.
I
t
i
s
v
e
r
y
us
e
f
u
l
w
h
e
n
w
e
ha
v
e
a
l
a
rge
a
m
o
u
nt
o
f
u
nl
a
b
e
l
e
d
d
a
t
a
b
u
t
r
e
l
a
t
i
v
e
l
y
s
m
a
l
l
a
m
o
u
nt
o
f
l
a
b
e
l
e
d
d
a
t
a
.
T
hi
s
c
a
s
e
i
s
a
pp
ro
p
ri
a
t
e
f
o
r
O
B
S
n
e
t
w
o
r
k
a
s
f
u
l
l
y
l
a
b
e
l
e
d
d
a
t
a
s
e
t
s
a
re
n
o
t
w
i
de
l
y
a
v
a
i
l
a
b
l
e
a
nd
i
t
i
s
r
e
l
a
t
i
v
e
l
y
e
a
s
y
t
o
f
i
nd
u
nl
a
b
e
l
e
d
/
p
a
rt
i
a
l
l
y
-
l
a
b
e
l
e
d
O
B
S
ne
t
w
o
r
k
d
a
t
a
.
A
n
o
t
h
e
r
r
e
a
s
o
n
f
o
r
t
h
e
s
c
a
r
c
i
t
y
of
pr
o
pe
r
l
y
l
a
b
e
l
e
d
da
t
a
i
s
t
ha
t
O
B
S
n
e
t
w
o
r
k
i
s
n
o
t
y
e
t
w
i
de
l
y
i
m
p
l
e
m
e
n
t
e
d.
M
a
n
y
a
l
go
r
i
t
h
m
s
ha
v
e
b
e
e
n
de
v
e
l
o
p
e
d
t
o
e
xp
l
o
i
t
t
h
e
u
nl
a
b
e
l
e
d
da
t
a
b
a
s
e
d
o
n
t
h
e
t
h
o
ug
h
t
t
ha
t
e
ve
n
t
h
o
ug
h
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
t
h
e
u
nl
a
b
e
l
e
d
da
t
a
a
re
unk
n
o
w
n
,
t
h
e
d
a
t
a
i
t
s
e
l
f
c
a
rr
i
e
s
s
i
g
ni
f
i
c
a
n
t
i
n
f
o
r
m
a
t
i
o
n
a
b
o
ut
t
h
e
c
l
a
s
s
p
a
r
a
m
e
t
e
r
s
.
S
o
m
e
c
o
m
m
o
n
l
y
a
pp
l
i
e
d
S
S
M
L
t
e
c
hni
que
s
a
r
e
:
S
e
l
f
t
ra
i
ni
n
g
,
co
-
t
r
a
i
ni
n
g
,
ge
n
e
r
a
t
i
v
e
m
o
de
l
s
,
g
r
a
p
h
-
b
a
s
e
d
a
l
go
r
i
t
h
m
s
,
ps
e
u
do
-
l
a
b
e
l
i
n
g
e
t
c
.
T
h
i
s
s
t
udy
fo
c
us
e
s
o
n
t
h
e
'
S
e
l
f
-
t
ra
i
ni
n
g'
m
e
t
h
o
d
o
f
S
S
M
L
.
S
e
l
f
-
t
ra
i
ni
n
g
m
e
t
h
o
d
i
s
v
e
r
y
c
o
m
m
o
n
c
h
o
i
c
e
fo
r
S
S
M
L
[10
-
12]
.
C
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
n
i
ng
m
e
t
h
o
d
(S
T
)
us
e
s
t
h
e
a
v
a
i
l
a
b
l
e
t
r
ue
-
l
a
b
e
l
e
d
da
t
a
(L
)
t
o
t
r
a
i
n
a
b
a
s
e
c
l
a
s
s
i
f
i
e
r
(C).
T
h
e
n
C
p
r
e
di
c
t
s
t
h
e
l
a
b
e
l
s
o
f
un
l
a
b
e
l
e
d
da
t
a
(U
).
A
po
r
t
i
o
n
(P
)
f
r
o
m
t
h
e
n
e
w
l
y
l
a
b
e
l
e
d
da
t
a
i
s
r
e
m
o
v
e
d
f
r
o
m
U
a
l
o
ng
w
i
t
h
l
a
b
e
l
s
b
a
s
e
d
o
n
p
r
e
di
c
t
i
o
n
c
o
n
f
i
de
n
c
e
a
n
d
c
o
m
b
i
n
e
d
w
i
t
h
L
.
T
h
e
r
e
s
ul
t
i
ng
da
t
a
(P
+
L
)
i
s
t
h
e
n
us
e
d
t
o
r
e
-
t
ra
i
n
t
h
e
b
a
s
e
c
l
a
s
s
i
f
i
e
r
.
T
h
i
s
p
r
o
c
e
s
s
i
s
r
e
pe
a
t
e
d
u
n
t
i
l
U
i
s
e
m
p
t
y
o
r
a
p
r
e
de
f
i
ne
d
nu
m
b
e
r
o
f
i
t
e
ra
t
i
o
n
re
a
c
he
d
.
T
he
m
e
t
h
o
d
i
s
s
h
o
w
n
i
n
a
l
go
ri
t
hm
1
.
A
l
t
h
o
ug
h
t
hi
s
m
e
t
h
o
d
i
s
e
a
s
i
l
y
unde
r
s
t
a
n
d
a
b
l
e
a
n
d
y
i
e
l
ds
a
go
o
d
r
e
s
ul
t
i
n
m
o
s
t
c
a
s
e
s
w
i
t
h
v
e
r
y
f
e
w
da
t
a
,
i
t
i
s
m
uc
h
s
l
o
w
e
r
t
ha
t
o
t
h
e
r
S
S
M
L
m
e
t
h
o
ds
.
A
n
o
t
h
e
r
d
i
s
a
dv
a
n
t
a
ge
i
s
t
ha
t
e
a
rl
y
i
na
c
c
ur
a
c
y
c
o
ul
d
r
e
i
n
f
o
r
c
e
t
h
e
m
s
e
l
v
e
s
i
n
f
ut
u
r
e
i
t
e
ra
t
i
o
n
s
[
9]
.
In
t
hi
s
pa
pe
r,
w
e
m
o
di
f
i
e
d
t
hi
s
S
T
m
e
t
h
o
d
t
o
b
o
o
s
t
i
t
s
pe
r
f
o
r
m
a
n
c
e
.
I
n
e
xi
s
t
i
n
g
l
i
t
e
r
a
t
u
r
e
s
,
S
S
M
L
m
e
t
h
o
ds
s
i
m
i
l
a
r
t
o
S
T
a
r
e
w
i
de
l
y
fo
un
d
.
'
P
s
e
udo
-
l
a
b
e
l
i
ng'
i
s
S
S
M
L
t
e
c
hn
i
q
ue
p
r
o
po
s
e
d
by
L
e
e
[13]
.
I
n
t
hi
s
m
e
t
h
o
d,
f
o
r
a
n
u
n
l
a
b
e
l
e
d
r
e
c
o
r
d,
t
h
e
c
l
a
s
s
w
i
t
h
t
h
e
m
a
x
i
m
um
p
r
e
di
c
t
e
d
p
r
o
b
a
b
i
l
i
t
y
i
s
c
h
o
s
e
n
a
nd
c
a
l
l
e
d
'
ps
e
udo
-
l
a
b
e
l
'
.
I
n
e
f
fe
c
t
,
t
hi
s
p
r
o
c
e
s
s
i
s
s
i
m
i
l
a
r
t
o
e
n
t
r
o
py
re
gul
a
r
i
z
a
t
i
o
n
.
T
h
o
ug
h
i
t
w
a
s
p
r
o
po
s
e
d
fo
r
de
e
p
n
e
u
r
a
l
n
e
t
w
o
r
ks
,
t
h
e
p
ri
n
c
i
pl
e
c
a
n
b
e
a
ppl
i
e
d
w
i
t
h
t
r
a
d
i
t
i
o
na
l
m
a
c
hi
n
e
l
e
a
rni
n
g
m
o
de
l
s
.
A
l
t
h
o
ug
h
t
h
i
s
m
e
t
h
o
d
ha
s
b
e
t
t
e
r
pe
r
f
o
r
m
a
n
c
e
t
ha
n
S
T
a
pp
r
o
a
c
h
,
t
h
e
d
i
f
f
e
r
e
n
c
e
i
s
n
o
t
v
e
r
y
l
a
r
ge
.
Co
-
t
r
a
i
n
i
ng
i
s
a
v
a
r
i
a
n
t
o
f
S
T
m
e
t
h
o
d
[14]
.
I
n
c
o
-
t
ra
i
ni
n
g
,
t
h
e
f
e
a
t
ur
e
s
o
f
a
da
t
a
s
e
t
a
r
e
s
pl
i
t
i
n
t
o
t
w
o
pa
rt
s
.
O
n
e
p
a
r
t
(
l
a
b
e
l
e
d)
i
s
t
ra
i
n
e
d
w
i
t
h
a
c
l
a
s
s
i
f
i
e
r
a
n
d
o
t
h
e
r
pa
rt
(
l
a
b
e
l
e
d)
w
i
t
h
a
n
o
t
h
e
r
c
l
a
s
s
i
f
i
e
r.
T
h
e
n
t
h
e
u
n
l
a
b
e
l
e
d
da
t
a
i
s
l
a
b
e
l
e
d
us
i
n
g
t
h
e
t
w
o
m
o
d
e
l
s
s
e
pa
r
a
t
e
l
y
.
T
h
e
n
t
h
e
l
a
b
e
l
s
o
b
t
a
i
n
e
d
by
t
h
e
fo
r
m
e
r
c
l
a
s
s
i
f
i
e
r
i
s
a
dde
d
t
o
t
h
e
l
a
b
e
l
e
d
da
t
a
o
f
l
a
t
e
r
c
l
a
s
s
i
f
i
e
r
a
n
d
v
i
c
e
v
e
r
s
a
.
T
h
e
n
t
h
e
w
h
o
l
e
p
r
o
c
e
s
s
i
s
r
e
pe
a
t
e
d
.
T
h
e
a
l
go
r
i
t
h
m
pe
r
f
o
r
m
s
w
e
l
l
w
h
e
n
t
h
e
f
e
a
t
u
r
e
s
p
l
i
t
i
s
go
o
d
b
ut
i
t
i
s
c
h
a
l
l
e
n
g
i
n
g
t
o
f
i
n
d
na
t
u
ra
l
f
e
a
t
ur
e
s
p
l
i
t
.
A
m
o
di
f
i
e
d
s
e
l
f
-
t
r
a
i
n
i
n
g
a
l
go
r
i
t
h
m
b
a
s
e
d
o
n
de
c
i
s
i
o
n
t
r
e
e
w
a
s
p
r
o
po
s
e
d
i
n
[15]
.
T
h
e
a
ut
h
o
r
s
s
how
e
d
t
ha
t
t
h
e
s
t
a
nda
r
d
de
c
i
s
i
o
n
t
r
e
e
a
l
go
r
i
t
h
m
i
s
n
o
t
e
f
f
e
c
t
i
v
e
a
s
b
a
s
e
l
e
a
rn
e
r
i
n
s
e
l
f
-
t
r
a
i
n
i
n
g
b
e
c
a
us
e
i
t
p
ro
duc
e
s
unr
e
l
i
a
b
l
e
p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
i
o
n
t
o
i
t
s
pr
e
di
c
t
i
o
n
s
.
T
h
e
y
pr
o
po
s
e
d
s
o
m
e
m
o
di
f
i
c
a
t
i
o
n
t
o
t
h
e
s
t
a
n
d
a
r
d
de
c
i
s
i
o
n
t
r
e
e
l
e
a
rni
n
g
a
l
go
r
i
t
h
m
.
I
n
[16]
a
ut
h
o
r
s
p
r
o
po
s
e
d
a
m
e
t
h
o
do
l
o
g
y
fo
r
s
e
l
e
c
t
i
n
g
a
n
a
p
p
r
o
pri
a
t
e
b
a
s
e
l
e
a
rn
e
r
t
o
b
e
us
e
d
i
n
s
e
l
f
-
t
r
a
i
n
i
ng.
F
r
o
m
a
m
o
n
g
a
po
o
l
o
f
c
l
a
s
s
i
f
i
e
r
s
,
t
hi
s
m
e
t
h
o
d
c
h
o
o
s
e
s
a
l
e
a
rn
e
r
b
y
e
l
i
m
i
n
a
t
i
n
g
o
t
h
e
r
s
t
hr
o
ug
h
f
i
l
t
e
r
i
n
g
w
i
t
h
a
c
e
rt
a
i
n
t
h
r
e
s
h
o
l
d
o
f
pr
e
di
c
t
i
o
n
p
r
o
b
a
b
i
l
i
t
y
.
A
f
t
e
r
c
h
o
o
s
i
n
g
a
n
a
p
p
r
o
pri
a
t
e
c
l
a
s
s
i
f
i
e
r,
i
t
i
s
us
e
d
a
s
t
h
e
b
a
s
e
l
e
a
rn
e
r
o
f
s
t
a
n
da
rd
s
e
l
f
-
t
r
a
i
n
i
ng
a
l
go
r
i
t
h
m
.
In
t
h
i
s
w
o
r
k,
w
e
a
r
e
p
r
o
po
s
i
n
g
a
m
e
t
h
o
d
t
ha
t
i
s
b
ui
l
t
u
po
n
t
h
e
i
de
a
o
f
s
e
l
f
-
t
r
a
i
ni
n
g
di
s
c
us
s
e
d
a
b
ove
.
W
e
na
m
e
i
t
m
o
di
f
i
e
d
s
e
l
f
-
t
r
a
i
n
i
ng
(M
S
T
)
.
W
e
e
xpl
o
i
t
e
d
m
ul
t
i
p
l
e
(N
)
c
l
a
s
s
i
f
i
e
r
s
(A
1
,A
2
,
.
.
A
N
)
o
f
di
f
f
e
r
e
n
t
t
y
p
e
s
un
l
i
ke
c
o
n
v
e
n
t
i
o
na
l
S
T
m
e
t
h
o
d.
W
e
m
a
de
us
e
o
f
a
gre
e
m
e
n
t
a
m
o
ng
m
u
l
t
i
pl
e
c
l
a
s
s
i
f
i
e
r
s
i
n
p
r
e
di
c
t
i
o
n
of
l
a
b
e
l
s
f
o
l
l
ow
i
n
g
a
t
w
o
s
t
a
ge
s
e
l
e
c
t
i
o
n
p
r
o
c
e
s
s
.
A
t
f
i
r
s
t
s
t
a
ge
,
s
o
m
e
c
l
a
s
s
i
f
i
e
r
s
o
f
di
f
f
e
r
e
n
t
t
y
pe
s
a
r
e
t
ra
i
n
e
d
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2088
-
8708
Int
J
E
l
e
c
&
Co
m
p
E
n
g
,
V
o
l
.
10
,
N
o
.
4
,
A
ugus
t
2
020
:
43
40
-
4351
4342
o
n
t
h
e
a
v
a
i
l
a
b
l
e
l
a
b
e
l
e
d
da
t
a
(L
)
.
T
h
e
n
t
h
e
y
p
r
e
di
c
t
e
d
t
h
e
l
a
b
e
l
s
of
unl
a
b
e
l
e
d
d
a
t
a
(U
).
W
e
c
a
l
l
t
h
e
s
e
n
e
w
l
y
a
s
s
i
g
n
e
d
l
a
b
e
l
s
'
ps
e
udo
-
l
a
b
e
l
s
'
.
O
ut
o
f
a
l
l
t
h
e
ps
e
udo
-
l
a
b
e
l
e
d
da
t
a
,
w
e
c
h
o
s
e
t
h
o
s
e
w
h
o
s
e
l
a
b
e
l
s
w
e
r
e
a
g
r
e
e
d
by
a
s
pe
c
i
f
i
e
d
n
um
b
e
r
o
f
c
l
a
s
s
i
f
i
e
r
s
.
L
e
t
s
a
y
P
i
s
t
h
e
s
ub
s
e
t
of
U
w
h
i
c
h
w
a
s
s
e
l
e
c
t
e
d
b
a
s
e
d
o
n
l
a
b
e
l
-
a
g
r
e
e
m
e
nt
.
I
n
t
h
e
s
e
c
o
n
d
s
t
a
ge
,
s
o
m
e
c
l
a
s
s
i
f
i
e
r
s
o
f
di
f
f
e
r
e
n
t
t
y
pe
s
w
e
r
e
t
r
a
i
n
e
d
o
n
L
.
T
h
e
n
t
h
e
y
pr
e
di
c
t
e
d
t
h
e
l
a
b
e
l
s
o
f
P
.
N
ow
,
b
a
s
e
d
o
n
a
g
r
e
e
m
e
nt
o
f
bo
t
h
pr
e
di
c
t
i
o
n
p
r
o
b
a
b
i
l
i
t
y
(a
bo
ve
a
c
e
r
t
a
i
n
t
hr
e
s
h
o
l
d)
a
n
d
p
r
e
di
c
t
e
d
l
a
b
e
l
s
(a
g
r
e
e
d
by
s
pe
c
i
f
i
e
d
n
um
b
e
r
o
f
c
l
a
s
s
i
f
i
e
r
s
),
a
s
ub
s
e
t
(S
)
of
da
t
a
f
r
o
m
P
w
a
s
s
e
l
e
c
t
e
d
a
l
o
n
g
w
i
t
h
t
h
e
i
r
l
a
b
e
l
s
.
S
w
a
s
t
h
e
n
a
dde
d
t
o
L
.
T
hi
s
p
r
o
duc
e
d
t
h
e
f
i
n
a
l
l
a
b
e
l
e
d
da
t
a
s
e
t
(F
).
F
c
a
n
b
e
us
e
d
t
o
t
r
a
i
n
a
n
y
c
l
a
s
s
i
f
i
e
r
a
nd
p
r
e
di
c
t
l
a
b
e
l
s
f
o
r
da
t
a
w
i
t
h
u
n
k
n
o
w
n
l
a
b
e
l
s
.
T
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
M
S
T
w
a
s
c
o
m
pa
r
e
d
w
i
t
h
S
T
o
n
s
i
x
c
o
m
m
o
n
l
y
r
e
f
e
r
r
e
d
da
t
a
s
e
t
s
a
n
d
w
e
fo
un
d
s
i
g
n
i
f
i
c
a
n
t
i
m
p
r
o
v
e
m
e
n
t
.
W
e
a
pp
l
i
e
d
M
S
T
o
n
a
s
i
m
u
l
a
t
e
d
O
B
S
n
e
t
w
o
r
k
da
t
a
s
e
t
f
r
o
m
U
CI
m
a
c
h
i
n
e
l
e
a
rni
n
g
r
e
po
s
i
t
o
r
y
a
n
d
f
o
un
d
v
e
r
y
hi
g
h
a
c
c
ur
a
c
y
.
F
i
n
a
l
l
y
,
w
e
c
o
m
pa
r
e
d
t
hi
s
w
o
r
k
w
i
t
h
s
o
m
e
r
e
l
a
t
e
d
w
o
r
k
a
n
d
f
o
un
d
t
ha
t
o
u
r
m
e
t
h
o
d
o
ut
pe
r
f
o
r
m
e
d
t
h
e
m
.
A
l
go
r
i
t
h
m
2
p
r
e
s
e
n
t
s
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d.
B
e
s
i
de
s
,
w
e
de
f
i
n
e
d
s
o
m
e
rul
e
s
f
o
r
b
l
o
c
ki
n
g
O
B
S
n
o
de
s
,
de
t
e
c
t
e
d
a
s
h
a
rm
f
ul
b
y
t
h
e
p
r
o
po
s
e
d
a
l
go
ri
t
hm
.
2.
R
ES
EA
R
C
H
M
ET
H
O
D
In
t
hi
s
s
e
c
t
i
o
n
w
e
b
r
i
e
f
l
y
di
s
c
us
s
e
d
a
bo
ut
t
h
e
b
a
s
i
c
s
e
l
f
-
t
ra
i
ni
n
g
a
l
go
r
i
t
hm
.
T
h
e
n
w
e
e
xpl
a
i
n
e
d
o
ur
pr
o
po
s
e
d
m
e
t
h
o
do
l
o
g
y
i
n
de
t
a
i
l
.
2.
1
.
S
e
m
i
-
s
u
p
e
r
v
i
s
e
d
l
e
ar
n
i
n
g
s
e
tu
p
In
s
e
m
i
-
s
upe
r
v
i
s
e
d
s
e
t
t
i
ng,
t
h
e
a
m
o
un
t
o
f
unl
a
b
e
l
e
d
da
t
a
i
s
v
e
r
y
l
a
r
ge
c
o
m
pa
r
e
d
t
o
t
h
e
a
m
o
u
n
t
of
l
a
b
e
l
e
d
d
a
t
a
.
D
a
t
a
i
s
d
i
v
i
de
d
i
nt
o
L
a
nd
U
w
h
e
r
e
L
i
s
t
h
e
s
e
t
o
f
l
a
b
e
l
e
d
d
a
t
a
po
i
n
t
s
a
nd
U
i
s
t
h
e
s
e
t
of
un
l
a
b
e
l
e
d
da
t
a
po
i
n
t
s
.
T
h
a
t
i
s
,
L
=
(x
1
,x
2
.
.
.
,
x
n
)
f
o
r
w
h
i
c
h
l
a
b
e
l
s
Y
L
=
(y
1
,y
2
,y
3
,
.
.
y
l
)
a
r
e
p
r
o
v
i
de
d,
a
n
d
U
=
(x
n
+
1
,x
n
+
2
.
.
.
,
x
n
+
u
)
f
o
r
w
h
i
c
h
l
a
b
e
l
Y
U
i
s
u
n
k
n
o
w
n
.
W
e
a
s
s
um
e
t
ha
t
Y
L
c
a
n
ha
v
e
t
w
o
o
r
m
o
r
e
l
a
b
e
l
s
a
n
d
bo
t
h
U
a
n
d
L
a
r
e
f
r
o
m
s
a
m
e
d
a
t
a
d
i
s
t
r
i
b
ut
i
o
n.
2.
2
.
S
e
l
f
-
tr
ai
n
i
n
g
(S
T)
al
go
r
i
th
m
Cl
a
s
s
i
c
a
l
s
e
l
f
-
t
ra
i
ni
n
g(S
T
)
m
e
t
h
o
d
[15]
us
e
s
a
s
i
ngl
e
b
a
s
e
l
e
a
rni
n
g
a
l
go
r
i
t
h
m
t
o
t
r
a
i
n
o
n
a
v
a
i
l
a
b
l
e
l
a
b
e
l
e
d
da
t
a
s
e
t
L
.
A
f
t
e
r
t
h
e
a
l
go
r
i
t
hm
i
s
t
ra
i
n
e
d
,
i
t
p
r
e
di
c
t
s
t
h
e
u
nk
n
o
w
n
l
a
b
e
l
s
o
f
U
.
T
h
e
n
f
r
o
m
t
h
e
n
e
w
l
y
l
a
b
e
l
e
d
da
t
a
,
a
po
rt
i
o
n
P
i
s
s
e
l
e
c
t
e
d
b
a
s
e
d
o
n
p
r
e
di
c
t
i
o
n
c
o
n
f
i
de
n
c
e
(p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
e
h
e
r
e
)
a
n
d
m
i
xe
d
w
i
t
h
t
h
e
o
r
i
g
i
na
l
l
a
b
e
l
e
d
da
t
a
L
t
o
f
o
r
m
a
n
e
w
da
t
a
s
e
t
F
.
P
i
s
r
e
m
o
v
e
d
f
r
o
m
U
.
T
h
e
n
F
i
s
us
e
d
t
o
r
e
-
t
ra
i
n
t
h
e
l
e
a
rni
n
g
a
l
go
r
i
t
hm
.
T
h
e
n
e
w
l
y
t
ra
i
n
e
d
m
o
de
l
t
h
e
n
p
r
e
di
c
t
s
l
a
b
e
l
f
o
r
t
h
e
r
e
m
a
i
n
i
ng
u
n
l
a
b
e
l
e
d
da
t
a
i
n
U
.
T
h
i
s
p
r
o
c
e
s
s
i
s
r
e
pe
a
t
e
d
u
n
t
i
l
U
i
s
e
m
p
t
y
o
r
a
s
pe
c
i
f
i
e
d
i
t
e
ra
t
i
o
n
c
o
un
t
i
s
r
e
a
c
h
e
d.
T
h
e
b
a
s
i
c
s
t
r
uc
t
u
r
e
of
c
l
a
s
s
i
c
a
l
S
T
i
s
p
r
e
s
e
nt
e
d
i
n
a
l
go
r
i
t
h
m
1
.
Algorithm 1
Classical Self
-
training algorithm
//initialization
1.
N: Iteration counter; C: Base classifier; L: Labeled data; U: Unlabeled
data; maxCount: number of iterations allowed; H: Confidence Threshold;
2.
N = 1;
//confidence based learning
3.
do
4.
Train C on L
5.
for each
d
i
in
U
do
6.
Assign pseudo
-
label to d
i
based on prediction confidence
7.
end for
8.
Select a set P of the high
-
confidence predictions from U based on threshold
H
9.
Update N = N+1; U = U
-
P; L = L U
P;
10.
while
(U! = empty)
and
(n < maxCount )
11.
end do
-
while
12.
Output
: Fully labeled dataset
2.
3
.
P
r
o
p
o
s
e
d
mo
d
i
fi
e
d
s
e
l
f
-
tr
ai
n
i
n
g
(
M
S
T)
al
go
r
i
th
m
In
o
u
r
p
r
o
po
s
e
d
m
e
t
h
o
do
l
o
g
y
,
w
e
t
a
ke
‘N
’
c
l
a
s
s
i
f
i
e
r
s
i
n
s
t
e
a
d
o
f
j
us
t
o
n
e
.
T
h
e
v
a
l
ue
o
f
N
c
a
n
b
e
c
h
o
s
e
n
a
t
w
i
l
l
,
t
h
e
l
a
rge
r
t
h
e
b
e
t
t
e
r
.
T
h
e
N
c
l
a
s
s
i
f
i
e
r
s
a
r
e
t
r
a
i
n
e
d
by
L
a
nd
h
e
n
c
e
,
N
m
o
de
l
s
a
r
e
ge
n
e
r
a
t
e
d.
T
h
e
u
n
l
a
b
e
l
e
d
da
t
a
U
w
i
l
l
b
e
gi
v
e
n
t
o
e
a
c
h
o
f
t
h
e
N
m
o
de
l
s
t
o
be
pr
e
di
c
t
e
d
a
n
d
ps
e
udo
-
l
a
b
e
l
e
d
b
a
s
e
d
o
n
e
a
c
h
m
o
de
l
'
s
de
f
a
ul
t
c
l
a
s
s
i
f
i
c
a
t
i
o
n
c
o
n
f
i
de
n
c
e
(h
e
r
e
i
t
i
s
p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
e
).
A
s
a
r
e
s
ul
t
,
N
ps
e
udo
l
a
b
e
l
e
d
da
t
a
s
e
t
s
w
i
l
l
b
e
ge
n
e
ra
t
e
d.
T
h
e
n
t
h
e
f
i
r
s
t
s
t
a
ge
o
f
s
e
l
e
c
t
i
o
n
w
i
l
l
s
t
a
rt
.
L
e
t
s
a
y
,
U
=
(x
n
+
1
,x
n
+
2
.
.
.
,
x
n
+
u
)
a
n
d
e
a
c
h
x
i
i
n
U
h
a
s
go
t
N
ps
e
udo
-
l
a
b
e
l
s
.
If
a
l
l
t
h
e
ps
e
udo
-
l
a
b
e
l
s
o
f
x
i
a
r
e
s
a
m
e
t
h
e
n
w
e
s
a
y
t
h
a
t
N
m
o
de
l
s
a
g
r
e
e
d
o
n
t
ha
t
l
a
b
e
l
a
n
d
t
hi
s
da
t
a
po
i
n
t
w
i
l
l
b
e
r
e
t
a
i
n
e
d
f
o
r
t
h
e
ne
xt
s
t
a
ge
.
If
i
n
a
n
y
c
a
s
e
,
t
h
e
r
e
i
s
n
o
u
na
n
i
m
o
us
Evaluation Warning : The document was created with Spire.PDF for Python.
Int
J
E
l
e
c
&
Co
m
p
E
n
g
IS
S
N
:
2088
-
8708
Se
m
i
-
s
up
e
r
v
i
s
e
d
l
e
ar
ni
ng
appr
o
ac
h
us
i
n
g
m
od
i
f
i
e
d
s
e
l
f
-
t
r
ai
n
i
ng
al
gor
i
t
hm
…
(
Md.
Kam
r
ul
H
os
s
ai
n
)
4343
a
g
r
e
e
m
e
nt
by
a
l
l
t
h
e
N
m
o
de
l
s
f
o
r
a
n
y
of
t
h
e
x
i
i
n
U
,
t
he
n
w
e
m
a
y
d
e
f
i
n
e
a
v
o
t
e
r
e
qui
r
e
m
e
n
t
r
ul
e
f
o
r
s
e
l
e
c
t
i
o
n
.
T
h
a
t
i
s
,
w
e
c
a
n
s
e
t
a
l
o
w
e
r
l
i
m
i
t
M
1
(w
h
e
r
e
0<
M
1≤N
)
a
nd
i
f
a
n
y
ps
e
ud
o
-
l
a
b
e
l
fo
r
x
i
i
s
v
o
t
e
d
by
a
t
l
e
a
s
t
M
1
m
o
de
l
s
,
t
h
e
n
t
h
e
po
i
n
t
w
i
l
l
b
e
s
e
l
e
c
t
e
d
f
o
r
t
h
e
n
e
xt
s
t
a
ge
.
N
o
w
l
e
t
s
a
y
,
P
i
s
t
h
e
s
ub
s
e
t
o
f
U
w
h
i
c
h
w
a
s
s
e
l
e
c
t
e
d
(a
l
o
n
g
w
i
t
h
l
a
b
e
l
s
)
b
a
s
e
d
o
n
l
a
b
e
l
-
a
g
re
e
m
e
n
t
o
f
t
h
e
c
l
a
s
s
i
f
i
e
r
s
.
I
n
t
h
e
s
e
c
o
n
d
s
t
a
ge
,
'
C'
num
b
e
r
o
f
c
l
a
s
s
i
f
i
e
r
s
o
f
di
f
fe
r
e
nt
t
y
pe
s
w
i
l
l
b
e
t
ra
i
n
e
d
b
y
L
(c
a
n
b
e
n
e
w
o
r
p
r
e
v
i
o
us
l
y
m
e
n
t
i
o
n
e
d
c
l
a
s
s
i
f
i
e
r
s
).
T
h
e
o
b
t
a
i
n
e
d
C
m
o
de
l
s
w
i
l
l
t
h
e
n
p
r
e
d
i
c
t
a
n
d
ps
e
udo
-
l
a
b
e
l
P
b
a
s
e
d
o
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
c
o
n
f
i
de
n
c
e
(h
e
r
e
i
t
i
s
p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
e
).
S
o
w
e
ge
t
C
ps
e
udo
-
l
a
b
e
l
e
d
c
o
pi
e
s
o
f
P
.
L
e
t
s
a
y
,
P
=
(x
p1
,x
p2
.
.
.
,
x
pn
)
a
n
d
e
a
c
h
x
pi
i
n
P
ha
s
go
t
C
ps
e
udo
-
l
a
b
e
l
s
.
N
o
w
,
i
f
M
2
(w
h
e
r
e
0<
M
2≤
C)
m
o
de
l
s
a
g
r
e
e
d
o
n
t
h
e
l
a
b
e
l
o
f
x
p
i
a
n
d
a
l
l
t
h
o
s
e
ps
e
udo
-
l
a
b
e
l
s
w
e
r
e
a
s
s
i
g
n
e
d
by
t
h
e
r
e
s
pe
c
t
i
v
e
c
l
a
s
s
i
f
i
e
r
s
w
i
t
h
a
p
r
e
di
c
t
i
o
n
p
r
o
b
a
b
i
l
i
t
y
gr
e
a
t
e
r
t
h
a
n
t
h
e
s
pe
c
i
f
i
e
d
t
hr
e
s
h
o
l
d
H
,
t
h
e
n
x
p
i
i
s
s
e
l
e
c
t
e
d.
L
e
t
S
b
e
t
h
e
s
e
t
o
f
a
l
l
t
h
e
po
i
n
t
s
s
e
l
e
c
t
e
d
(a
l
o
n
g
w
i
t
h
l
a
b
e
l
s
)
t
h
i
s
w
a
y
,
i
.
e
.
b
a
s
e
d
o
n
a
g
r
e
e
m
e
n
t
o
f
pr
e
di
c
t
i
o
n
p
r
o
b
a
b
i
l
i
t
y
a
nd
p
r
e
di
c
t
e
d
ps
e
udo
-
l
a
b
e
l
s
.
S
i
s
de
l
e
t
e
d
f
r
o
m
U
a
n
d
a
dde
d
t
o
L
.
L
i
s
n
o
w
t
h
e
f
i
n
a
l
t
r
a
i
n
i
ng
d
a
t
a
s
e
t
.
L
i
s
us
e
d
t
o
t
r
a
i
n
a
n
y
c
l
a
s
s
i
f
i
e
r
i
n
s
upe
r
v
i
s
e
d
w
a
y
a
n
d
t
h
e
n
t
h
e
c
l
a
s
s
i
f
i
e
r
c
a
n
b
e
us
e
d
t
o
p
r
e
di
c
t
u
nk
n
o
w
n
l
a
b
e
l
s
.
T
he
de
t
a
i
l
e
d
s
t
e
ps
a
r
e
p
r
e
s
e
nt
e
d
i
n
a
l
go
ri
t
hm
2.
In
F
i
gu
r
e
1
a
b
l
o
c
k
di
a
g
ra
m
i
s
s
h
o
w
n
t
o
i
l
l
us
t
ra
t
e
t
h
e
o
v
e
r
v
i
e
w
of
t
h
e
p
r
o
po
s
e
d
m
o
di
f
i
e
d
s
e
l
f
-
t
ra
i
ni
n
g
(M
S
T
)
m
e
t
h
o
d.
Algorithm 2
Proposed
Modified self
-
training algorithm (MST)
//initialization
1.
C1: A set of N classifiers; C2: A set of M classifiers; F: Final
classifier;
L: Labeled data; U: Unlabeled data; K: Set of empty datasets; P, S: Empty dataset;
V1: 1
st
stage pseudo
-
label agreement threshold; V2:
2
nd
stage pseudo
-
label agreement
threshold; H: Classification confidence threshold;
2.
C1= {C
11
,C
12
,..C
1N
}; C2
= {C
21
,C
22
,..C
2M
}; i = 1; K= {K
1
,K
2
,..K
N
}
//first stage voting
3.
for
each
c
in
C1
do
4.
Train c by training set L
5.
for
each
d
in
U
do
6.
Assign pseudo
-
label to d based on prediction confidence of c
7.
Save d along with the pseudo
-
label in set K
i
8.
end for
9.
i = i+1
10.
end for
11.
for
each
d
in
U
do
12.
compute pseudo
-
label agreement(votes) for d in K for every possible label
13.
if
for any label, votes >=V1
then
14.
copy d and save in set P
15.
end if
16.
end for
//second stage voting
17.
i = 1; K
1
,K
2
,..K
N
= {};
18.
for
each
c
in
C2
do
19.
Train c by training set L
20.
for
each
d
in
P
do
21.
Classify d by model c
22.
if
classification confidence >= H
then
23.
Save d along with the pseudo
-
label in set K
i
24.
end if
25.
end for
26.
i = i+1;
27.
end for
28.
for
each
d
in
P
do
29.
compute
pseudo
-
label agreement(votes) for d in K for every possible label
30.
if
votes >=V2
then
31.
copy d in set S
32.
end if
33.
end for
//preparing final training dataset
34.
Update U by removing S from U: U = U
-
S;
35.
Update L by joining S with L: L = L U S;
//final model training and labeling
36.
Train a classifier F by new training set L
37.
Classify U by F and predict labels for all the points in U
38.
Output
: Fully labeled dataset
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2088
-
8708
Int
J
E
l
e
c
&
Co
m
p
E
n
g
,
V
o
l
.
10
,
N
o
.
4
,
A
ugus
t
2
020
:
43
40
-
4351
4344
F
i
gu
r
e
1
.
B
l
o
c
k
di
a
g
r
a
m
o
f
pr
o
po
s
e
d
m
o
di
f
i
e
d
s
e
l
f
-
t
r
a
i
n
i
ng
(
M
S
T
)
m
e
t
h
o
d
2.
3
.
D
atas
e
t
fo
r
O
B
S
n
e
tw
o
r
k
'
s
n
o
d
e
c
l
as
s
i
fi
c
at
i
o
n
In
t
hi
s
s
e
c
t
i
o
n,
w
e
de
s
c
r
i
b
e
a
w
a
y
t
o
ob
t
a
i
n
a
da
t
a
s
e
t
f
r
o
m
a
n
O
B
S
n
e
t
w
o
r
k
s
i
m
u
l
a
t
o
r
,
w
h
i
c
h
c
a
n
b
e
us
e
d
by
o
ur
pr
o
po
s
e
d
m
e
t
h
o
d
w
i
t
h
a
f
e
w
l
a
b
e
l
i
n
g
.
I
n
T
a
b
l
e
1,
w
e
pr
e
s
e
n
t
e
d
a
s
a
m
pl
e
O
B
S
n
e
t
w
o
r
k
d
a
t
a
s
e
t
.
U
s
i
n
g
N
C
T
U
n
s
n
e
t
w
o
r
k
s
i
m
u
l
a
t
o
r
s
o
f
t
w
a
r
e
[17]
,
w
e
s
i
m
u
l
a
t
e
d
a
n
O
B
S
n
e
t
w
o
r
k
t
o
o
b
s
e
r
v
e
t
h
e
b
e
ha
v
i
o
r
s
o
f
t
h
e
O
B
S
n
e
t
w
o
r
k
n
o
de
s
a
n
d
t
o
r
e
c
o
r
d
e
a
c
h
n
o
de
’s
b
e
h
a
v
i
o
r
a
l
da
t
a
.
W
e
m
a
de
a
n
N
F
S
N
E
T
t
o
po
l
o
g
y
a
n
d
c
o
n
f
i
gur
e
d
t
h
e
n
e
t
w
o
r
k’s
p
a
ra
m
e
t
e
r
s
f
o
l
l
o
w
i
n
g
t
h
e
w
o
r
k
i
n
[
5]
.
T
h
e
s
e
t
t
i
ng
ha
d
14
c
o
r
e
s
w
i
t
c
h
e
s
t
h
a
t
f
o
l
l
o
w
J
E
T
p
r
o
t
o
c
o
l
,
e
dge
r
o
ut
e
r
s
l
i
n
ke
d
t
o
h
o
s
t
-
pc
s
,
1
G
b
ps
m
a
xi
m
u
m
l
i
nk
b
a
n
dw
i
dt
h,
1
μ
s
p
r
o
pa
ga
t
i
o
n
de
l
a
y
,
1500
by
t
e
s
b
ur
s
t
l
e
ngt
h,
0
b
i
t
e
rr
o
r
ra
t
e
,
2
D
B
c
ha
nn
e
l
,
1
BH
P
c
h
a
nn
e
l
,
U
D
P
p
r
o
t
o
c
o
l
a
t
t
ra
n
s
po
rt
l
a
y
e
r
.
E
a
c
h
s
i
m
ul
a
t
i
o
n
w
a
s
r
u
n
f
o
r
10
m
i
n
u
t
e
s
by
v
a
r
y
i
n
g
t
h
e
b
a
ndw
i
dt
h
f
r
o
m
0
.
1
G
b
ps
t
o
1
G
b
ps
.
O
n
e
m
a
l
i
c
i
o
us
n
o
de
w
a
s
s
e
l
e
c
t
e
d
i
n
e
a
c
h
r
u
n
o
f
t
h
e
s
i
m
ul
a
t
i
o
n
i
n
v
a
r
y
i
n
g
p
o
s
i
t
i
o
n
.
W
e
r
e
c
o
r
de
d
d
a
t
a
f
o
r
t
h
e
f
o
l
l
ow
i
n
g
t
hr
e
e
v
a
r
i
a
b
l
e
s
r
e
l
a
t
e
d
t
h
e
n
o
de
pe
r
f
o
r
m
a
n
c
e
:
A
v
e
r
a
ge
pe
r
c
e
nt
a
g
e
of
pa
c
ke
t
dr
o
p
ra
t
e
,
a
v
e
r
a
ge
b
a
n
dw
i
dt
h
us
e
d
(m
b
ps
)
a
n
d
a
v
e
ra
ge
de
l
a
y
(s
e
c
o
n
d).
A
v
e
r
a
gi
ng
w
a
s
do
n
e
b
y
r
u
nni
n
g
t
h
e
s
i
m
ul
a
t
o
r
10
t
i
m
e
s
a
n
d
c
a
l
c
ul
a
t
i
ng
t
h
e
m
e
a
n
v
a
l
ue
.
T
e
n
r
o
w
s
of
t
h
e
d
a
t
a
s
e
t
a
r
e
s
h
o
w
n
i
n
T
a
b
l
e
1.
T
h
e
t
hr
e
e
m
e
nt
i
o
n
e
d
a
t
t
ri
b
ut
e
w
a
s
c
h
o
s
e
n
o
ut
of
m
a
n
y
b
e
c
a
us
e
w
e
f
o
un
d
hi
g
h
e
s
t
de
g
r
e
e
o
f
i
n
de
pe
n
de
n
c
e
a
n
d
s
i
g
n
i
f
i
c
a
n
c
e
i
n
t
h
e
m
.
A
f
t
e
r
a
da
t
a
s
e
t
w
a
s
r
e
c
o
r
de
d,
t
h
e
c
l
a
s
s
l
a
b
e
l
s
w
e
r
e
gi
v
e
n
m
a
nua
l
l
y
fo
r
a
f
e
w
i
ns
t
a
n
c
e
f
r
o
m
e
a
c
h
po
s
s
i
b
l
e
c
l
a
s
s
.
W
e
c
o
n
s
i
de
r
e
d
t
hr
e
e
di
f
fe
r
e
nt
l
a
b
e
l
s
fo
r
t
hr
e
e
di
f
f
e
r
e
n
t
b
e
ha
v
i
o
r
s
o
f
t
h
e
no
de
s
.
T
h
e
f
i
r
s
t
i
s
'
'
M
A
L
ICIO
U
S
'
'
,
i
t
m
e
a
n
s
t
ha
t
t
h
e
n
o
de
i
s
c
a
us
i
n
g
B
H
P
f
l
oo
d.
S
e
c
o
n
d
i
s
'
T
R
U
S
T
E
D
'
,
t
hi
s
m
e
a
n
s
t
h
a
t
t
h
e
c
o
rr
e
s
po
n
di
ng
n
o
de
i
s
w
e
l
l
-
b
e
h
a
v
i
n
g.
T
h
i
rd
l
a
b
e
l
i
s
'
S
U
S
P
ICIO
U
S
'
,
i
t
m
e
a
n
s
t
ha
t
t
h
e
n
o
de
h
a
s
h
i
g
h
pa
c
ke
t
d
r
o
p
ra
t
e
b
ut
n
o
t
a
s
hi
g
h
t
o
l
a
b
e
l
a
s
m
a
l
i
c
i
o
us
.
W
h
e
n
t
h
e
d
a
t
a
s
e
t
w
a
s
c
o
l
l
e
c
t
e
d
fo
r
t
h
e
f
i
r
s
t
t
i
m
e
,
a
l
l
t
h
e
po
s
s
i
b
l
e
c
a
s
e
s
w
e
r
e
c
o
n
s
i
de
r
e
d,
i
.
e
.
t
h
e
O
B
S
n
e
t
w
o
r
k
w
a
s
c
o
n
f
i
gu
r
e
d
i
n
a
w
a
y
t
h
a
t
t
h
e
r
e
c
or
de
d
da
t
a
r
e
f
l
e
c
t
s
n
o
t
o
nl
y
w
e
l
l
-
b
e
h
a
v
i
n
g
n
o
de
'
s
b
e
h
a
v
i
o
r
,
b
ut
a
l
s
o
t
h
e
m
a
l
i
c
i
o
us
n
o
de
'
s
b
e
h
a
v
i
o
r
i
n
B
H
P
f
l
oodi
n
g
s
c
e
n
a
ri
o
.
T
a
b
l
e
1
.
10
r
o
w
s
f
r
o
m
O
B
S
n
e
t
w
o
r
k
da
t
a
s
e
t
(c
o
n
t
a
i
n
s
b
o
t
h
l
a
b
e
l
e
d
a
n
d
u
nl
a
b
e
l
e
d
da
t
a
)
It
e
ra
t
i
o
n
N
o
d
e
Id
A
v
e
ra
g
e
d
e
l
a
y
A
v
e
ra
g
e
p
a
c
k
e
t
d
r
o
p
ra
t
e
A
v
e
ra
g
e
b
a
n
d
w
i
d
t
h
u
s
e
Cl
a
s
s
1
1
0
.
0
0
0
3
0
.
1
5
3
1
0
.
7
2
6
u
n
k
n
o
w
n
1
2
0
.
0
0
0
2
0
.
5
2
6
2
0
.
3
2
8
1
u
n
k
n
o
w
n
2
1
0
.
0
0
1
0
.
0
8
1
1
0
.
8
6
9
9
t
ru
s
t
e
d
2
2
0
.
0
0
0
5
0
.
4
8
0
3
0
.
7
2
9
2
u
n
k
n
o
w
n
3
2
0
.
0
0
0
6
0
.
0
9
7
0
.
7
1
8
5
u
n
k
n
o
w
n
3
1
0
.
0
0
1
2
0
.
1
3
3
0
.
5
0
8
5
t
ru
s
t
e
d
4
2
0
.
0
0
0
4
0
.
4
0
5
2
0
.
6
6
8
u
n
k
n
o
w
n
4
1
0
.
0
0
0
6
0
.
2
6
8
1
0
.
4
8
6
1
u
n
k
n
o
w
n
5
1
0
.
0
0
0
2
0
.
3
7
7
5
0
.
7
1
4
2
u
n
k
n
o
w
n
5
2
0
.
0
0
1
0
.
3
0
6
6
0
.
7
3
4
9
m
a
l
i
c
i
o
u
s
In
t
h
i
s
w
a
y
,
a
da
t
a
s
e
t
f
r
o
m
O
B
S
n
e
t
w
o
r
k
c
a
n
b
e
d
ra
w
n
a
n
d
w
i
t
h
a
f
e
w
l
a
b
e
l
i
n
g
a
nd
c
a
n
b
e
us
e
d
f
o
r
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d.
I
n
t
hi
s
w
o
r
k,
w
e
di
d
n
o
t
p
r
o
duc
e
a
f
ul
l
y
l
a
b
e
l
e
d
da
t
a
s
e
t
,
n
e
i
t
h
e
r
ha
d
w
e
ge
n
e
r
a
t
e
d
a
l
a
r
ge
a
m
o
unt
o
f
da
t
a
.
R
a
t
h
e
r
w
e
us
e
d
a
r
e
a
dy
m
a
de
da
t
a
s
e
t
f
r
o
m
U
CI
M
L
r
e
po
s
i
t
o
r
y
t
o
de
m
o
n
s
t
ra
t
e
t
h
e
e
ff
e
c
t
i
v
e
n
e
s
s
o
f
o
ur
m
e
t
h
o
d.
T
h
e
a
ut
h
o
r
s
o
f
t
h
e
da
t
a
s
e
t
b
ui
l
t
t
h
e
da
t
a
s
e
t
us
i
n
g
t
h
e
a
pp
r
o
a
c
h
m
e
n
t
i
o
n
e
d
a
b
ov
e
.
T
h
e
r
e
a
s
o
n
f
o
r
n
o
t
us
i
n
g
n
e
w
a
n
d
s
e
l
f
-
m
a
de
d
a
t
a
i
s
t
ha
t
,
w
e
w
e
r
e
n
o
t
a
b
l
e
t
o
f
i
n
d
hum
a
n
-
e
xpe
r
t
s
t
o
p
r
o
pe
r
l
y
l
a
b
e
l
a
l
a
r
ge
O
B
S
n
e
t
w
o
r
k
d
a
t
a
s
e
t
w
h
i
c
h
i
s
a
v
e
r
y
c
r
i
t
i
c
a
l
t
a
s
k
.
A
n
o
t
h
e
r
r
e
a
s
o
n
i
s
t
h
e
a
b
s
e
n
c
e
of
r
e
a
l
l
i
f
e
O
B
S
n
e
t
w
o
r
k
n
e
a
r
us
.
2.
4
.
B
l
o
c
k
i
n
g
o
f
m
i
s
b
e
h
av
i
n
g
n
o
d
e
s
A
f
t
e
r
o
b
t
a
i
n
i
n
g
a
p
a
r
t
i
a
l
l
y
l
a
b
e
l
e
d
O
B
S
n
e
t
w
o
r
k
d
a
t
a
s
e
t
,
t
h
e
p
r
o
po
s
e
d
M
S
T
m
e
t
h
o
d
w
a
s
a
ppl
i
e
d
fo
l
l
ow
i
n
g
t
h
e
s
t
e
ps
o
f
a
l
go
r
i
t
h
m
2.
T
hi
s
gi
v
e
s
a
f
ul
l
y
l
a
b
e
l
e
d
da
t
a
s
e
t
a
n
d
a
m
o
de
l
t
ra
i
n
e
d
o
n
t
ha
t
d
a
t
a
s
e
t
.
W
e
m
e
n
t
i
o
n
e
d
e
a
rl
i
e
r
t
ha
t
w
e
c
a
t
e
go
r
i
z
e
d
t
h
e
O
B
S
n
e
t
w
o
r
k
n
o
de
s
i
n
t
o
t
hr
e
e
t
y
p
e
s
:
M
A
L
ICIO
U
S
’,
Evaluation Warning : The document was created with Spire.PDF for Python.
Int
J
E
l
e
c
&
Co
m
p
E
n
g
IS
S
N
:
2088
-
8708
Se
m
i
-
s
up
e
r
v
i
s
e
d
l
e
ar
ni
ng
appr
o
ac
h
us
i
n
g
m
od
i
f
i
e
d
s
e
l
f
-
t
r
ai
n
i
ng
al
gor
i
t
hm
…
(
Md.
Kam
r
ul
H
os
s
ai
n
)
4345
'
T
R
U
S
T
E
D
'
a
n
d
'
S
U
S
P
ICIO
U
S
'
.
If
a
n
o
de
i
s
c
l
a
s
s
i
f
i
e
d
a
s
‘M
A
L
ICIO
U
S
’
by
o
ur
m
o
de
l
,
t
h
e
n
o
de
w
i
l
l
b
e
pr
e
v
e
n
t
e
d
f
r
o
m
s
e
n
d
i
n
g
a
n
y
pa
c
ke
t
i
n
f
ut
u
r
e
.
A
t
t
h
e
s
a
m
e
t
i
m
e
,
w
e
c
h
a
n
ge
t
h
e
s
t
a
t
us
o
f
t
h
a
t
n
o
de
t
o
‘B
l
o
c
k
e
d’.
If
a
n
o
de
i
s
c
l
a
s
s
i
f
i
e
d
a
s
'
T
R
U
S
T
E
D
'
,
w
e
a
l
l
o
w
i
t
t
o
s
e
n
d
p
a
c
ke
t
s
a
nd
s
i
m
ul
t
a
n
e
o
us
l
y
,
w
e
c
h
a
n
ge
t
h
e
s
t
a
t
us
o
f
t
ha
t
n
o
de
t
o
‘T
r
us
t
e
d’
.
If
a
n
o
de
i
s
c
l
a
s
s
i
f
i
e
d
a
s
'
S
U
S
P
ICIO
U
S
'
,
w
e
c
h
e
c
k
i
f
i
t
s
c
urr
e
n
t
s
t
a
t
us
i
s
'
S
us
p
i
c
i
o
us
'
o
r
n
o
t
.
If
y
e
s
t
h
e
n
w
e
pr
e
v
e
nt
i
t
f
r
o
m
s
e
ndi
n
g
pa
c
ke
t
f
o
r
a
s
pe
c
i
f
i
e
d
t
i
m
e
a
n
d
c
h
a
n
ge
t
h
e
s
t
a
t
us
o
f
t
ha
t
n
o
de
t
o
‘W
a
i
t
i
n
g’
.
O
t
h
e
r
w
i
s
e
,
w
e
s
e
t
t
h
e
s
t
a
t
us
o
f
t
h
e
n
o
de
a
s
'
S
us
p
i
c
i
o
us
'
a
n
d
c
o
n
t
i
n
ue
.
T
h
e
n
t
h
e
n
e
xt
n
o
de
i
s
v
i
s
i
t
e
d.
I
n
t
hi
s
w
a
y
,
t
h
e
t
ra
i
n
e
d
m
o
de
l
c
a
n
b
e
us
e
d
t
o
c
l
a
s
s
i
fy
O
BS
n
e
t
w
o
r
k
n
o
de
s
a
nd
c
o
un
t
e
r
B
H
P
f
l
o
o
di
n
g
a
t
t
a
c
k
.
T
h
e
f
l
o
w
c
h
a
rt
i
n
F
i
gu
r
e
2
p
r
e
s
e
n
t
s
t
h
e
r
ul
e
s
t
o
b
l
o
c
k
m
i
s
b
e
h
a
v
i
n
g
n
o
de
s
i
n
a
n
a
c
t
i
v
e
O
B
S
n
e
t
w
o
r
k.
N
o
t
e
,
t
h
e
p
r
o
c
e
s
s
bo
x
s
h
ow
i
n
g
“
C
i
r
c
ul
a
rl
y
i
n
c
r
e
m
e
nt
i
”
m
e
a
n
s
t
h
a
t
,
a
f
t
e
r
a
n
o
de
i
s
c
h
e
c
ke
d,
t
h
e
n
e
xt
n
o
de
w
i
l
l
b
e
c
h
e
c
ke
d
a
c
c
o
r
di
ng
t
o
t
h
e
a
rra
n
ge
m
e
nt
i
n
t
h
e
gi
v
e
n
n
o
de
s
e
t
.
W
h
e
n
a
l
l
t
h
e
n
o
de
s
a
r
e
c
h
e
c
ke
d,
i
t
w
i
l
l
r
e
t
u
rn
t
o
t
h
e
f
i
rs
t
n
o
de
.
B
e
s
i
de
s
,
w
h
e
n
a
n
o
de
i
s
s
e
n
t
t
o
w
a
i
t
i
ng
s
t
a
t
e
,
a
c
o
unt
e
r
s
h
o
ul
d
b
e
t
h
e
r
e
t
o
c
o
un
t
t
h
e
e
n
d
o
f
w
a
i
t
i
ng
t
i
m
e
,
a
f
t
e
r
w
h
i
c
h
,
t
h
e
n
o
de
’s
s
t
a
t
us
s
h
o
ul
d
b
e
l
a
b
e
l
e
d
a
s
s
us
p
i
c
i
o
us
.
W
e
di
d
n
o
t
s
h
o
w
t
h
e
t
i
m
e
c
o
unt
e
r
i
n
t
h
e
f
l
ow
c
h
a
r
t
.
F
i
gu
r
e
2
.
F
l
o
w
c
h
a
r
t
o
f
b
l
o
c
ki
n
g
rul
e
s
f
o
r
m
a
l
i
c
i
o
us
n
o
de
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2088
-
8708
Int
J
E
l
e
c
&
Co
m
p
E
n
g
,
V
o
l
.
10
,
N
o
.
4
,
A
ugus
t
2
020
:
43
40
-
4351
4346
3.
R
ES
U
LTS
A
N
D
A
N
A
L
Y
S
I
S
3.
1
.
D
atas
e
ts
fo
r
e
v
al
u
ati
n
g
p
e
r
fo
r
m
an
c
e
W
e
c
o
m
pa
r
e
d
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
o
ur
p
r
o
po
s
e
d
a
l
go
r
i
t
hm
w
i
t
h
t
h
e
b
a
s
i
c
s
e
l
f
-
t
r
a
i
n
i
ng
a
l
go
ri
t
hm
o
n
s
i
x
c
o
m
m
o
n
l
y
r
e
f
e
r
r
e
d
d
a
t
a
s
e
t
s
f
r
o
m
U
CI
m
a
c
h
i
n
e
l
e
a
rn
i
ng
r
e
po
s
i
t
o
r
y
[18]
.
T
h
e
y
a
r
e
:
a
du
l
t
d
a
t
a
s
e
t
,
b
r
e
a
s
t
c
a
n
c
e
r
d
a
t
a
s
e
t
,
c
a
r
d
a
t
a
s
e
t
,
i
ri
s
d
a
t
a
s
e
t
,
g
l
a
s
s
d
a
t
a
s
e
t
a
n
d
b
a
l
a
n
c
e
da
t
a
s
e
t
.
T
h
e
a
dul
t
d
a
t
a
s
e
t
a
nd
b
r
e
a
s
t
c
a
n
c
e
r
d
a
t
a
s
e
t
a
r
e
b
i
n
a
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
da
t
a
s
e
t
s
w
hi
l
e
o
t
h
e
rs
a
r
e
m
u
l
t
i
-
c
l
a
s
s
da
t
a
s
e
t
s
.
C
a
r
i
s
f
o
ur
c
l
a
s
s
a
nd
gl
a
s
s
i
s
s
i
x
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
d
a
t
a
s
e
t
w
h
i
l
e
i
r
i
s
a
n
d
b
a
l
a
n
c
e
a
r
e
t
hr
e
e
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
da
t
a
s
e
t
.
A
l
l
t
h
e
s
e
da
t
a
s
e
t
s
a
r
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
d
a
t
a
s
e
t
s
w
i
t
h
n
o
m
i
s
s
i
n
g
l
a
b
e
l
s
o
r
m
i
s
s
i
n
g
v
a
l
ue
s
.
T
o
t
e
s
t
o
ur
p
r
o
po
s
e
d
a
l
go
r
i
t
hm
,
w
e
r
e
m
o
v
e
d
t
h
e
l
a
b
e
l
s
o
f
97%
da
t
a
i
n
e
a
c
h
da
t
a
s
e
t
(e
xc
e
pt
f
o
r
i
r
i
s
d
a
t
a
s
e
t
,
f
o
r
w
h
i
c
h
w
e
r
e
m
o
v
e
d
95%
l
a
b
e
l
s
).
H
e
n
c
e
,
o
n
l
y
3%
da
t
a
(f
o
r
i
ri
s
,
5%)
a
r
e
l
a
b
e
l
e
d
a
n
d
t
h
e
r
e
s
t
9
7%
(f
o
r
i
r
i
s
,
95
%)
a
r
e
u
nl
a
b
e
l
e
d
o
n
e
a
c
h
of
t
h
e
da
t
a
s
e
t
s
.
W
e
s
a
v
e
d
t
h
e
de
l
e
t
e
d
l
a
b
e
l
s
s
e
pa
r
a
t
e
l
y
t
o
a
s
s
e
s
s
pe
r
f
o
r
m
a
n
c
e
.
3.
2
.
S
e
l
e
c
ti
o
n
o
f
c
l
as
s
i
fi
e
r
s
In
s
e
l
f
-
t
r
a
i
n
i
ng
a
l
go
ri
t
hm
(a
l
go
ri
t
hm
1
,
s
a
y
‘S
T
’)
,
f
o
r
a
s
pe
c
i
f
i
c
da
t
a
s
e
t
,
w
e
ra
n
t
h
e
a
l
go
ri
t
hm
s
i
x
t
i
m
e
s
,
e
a
c
h
t
i
m
e
w
i
t
h
a
di
f
f
e
r
e
n
t
b
a
s
e
c
l
a
s
s
i
f
i
e
r
.
T
h
e
c
l
a
s
s
i
f
i
e
r
s
w
e
r
e
:
E
xt
ra
t
r
e
e
c
l
a
s
s
i
f
i
e
r
[19]
,
g
ra
d
i
e
nt
bo
os
t
i
n
g
c
l
a
s
s
i
f
i
e
r
[20]
,
ga
us
s
i
a
n
na
i
v
e
b
a
y
e
s
[21]
,
l
o
gi
s
t
i
c
r
e
g
r
e
s
s
i
o
n
c
l
a
s
s
i
f
i
e
r
[2
1]
a
n
d
q
ua
d
ra
t
i
c
di
s
c
r
i
m
i
na
nt
a
n
a
l
y
s
i
s
[22]
a
nd
s
uppo
r
t
v
e
c
t
o
r
m
a
c
h
i
n
e
[
21]
.
W
e
us
e
d
py
t
h
o
n
p
r
o
g
ra
m
m
i
ng
l
a
n
g
ua
ge
a
n
d
a
n
M
L
l
i
b
r
a
r
y
c
a
l
l
e
d
S
c
i
ki
t
-
l
e
a
rn
[23]
f
o
r
i
m
pl
e
m
e
nt
a
t
i
o
n
o
f
t
h
e
s
e
c
l
a
s
s
i
f
i
e
r
s
.
I
n
p
r
o
po
s
e
d
m
o
di
f
i
e
d
s
e
l
f
-
t
r
a
i
ni
n
g
a
l
go
ri
t
hm
(
a
l
go
r
i
t
hm
2,
s
a
y
‘M
S
T
’),
a
t
t
h
e
f
i
r
s
t
s
t
a
ge
o
f
vo
t
i
n
g
,
w
e
us
e
d
e
i
ght
c
l
a
s
s
i
f
i
e
r
s
w
h
i
c
h
i
n
c
l
ude
s
t
h
e
c
l
a
s
s
i
f
i
e
r
s
m
e
n
t
i
o
n
e
d
a
b
o
ve
e
xc
e
pt
t
h
e
S
u
ppo
rt
v
e
c
t
o
r
m
a
c
hi
n
e
.
T
h
e
o
t
h
e
r
t
hr
e
e
a
r
e
:
R
a
ndo
m
fo
r
e
s
t
c
l
a
s
s
i
f
i
e
r
[2
1]
,
X
G
B
oo
s
t
c
l
a
s
s
i
f
i
e
r
[24
,
2
5]
a
n
d
m
ul
t
i
-
l
a
y
e
r
pe
r
c
e
pt
r
o
n
c
l
a
s
s
i
f
i
e
r
[21]
.
A
t
t
h
e
s
e
c
o
n
d
s
t
a
ge
o
f
vo
t
i
n
g
,
t
w
o
o
f
t
h
e
a
b
o
ve
m
e
n
t
i
o
n
e
d
c
l
a
s
s
i
f
i
e
r
s
w
e
r
e
r
e
m
o
v
e
d
a
n
d
t
h
e
r
e
m
a
i
ni
n
g
s
i
x
w
e
r
e
us
e
d.
T
h
e
t
w
o
r
e
m
o
ve
d
w
e
r
e
:
E
xt
ra
t
r
e
e
c
l
a
s
s
i
f
i
e
r
a
nd
R
a
n
do
m
f
or
e
s
t
c
l
a
s
s
i
f
i
e
r
.
T
h
e
r
e
a
s
o
n
f
o
r
n
o
t
i
n
c
l
udi
n
g
t
h
e
m
i
n
t
h
e
s
e
c
o
n
d
s
t
a
ge
i
s
t
ha
t
t
h
e
s
t
a
n
d
a
r
d
de
c
i
s
i
o
n
t
r
e
e
c
l
a
s
s
i
f
i
e
r
p
r
o
duc
e
s
unr
e
l
i
a
b
l
e
p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
i
o
n
t
o
i
t
s
pr
e
di
c
t
i
o
n
s
w
h
i
c
h
c
a
nn
o
t
b
e
a
n
a
p
p
r
o
pri
a
t
e
s
e
l
e
c
t
i
o
n
c
r
i
t
e
ri
o
n
i
n
s
e
l
f
-
t
r
a
i
n
i
n
g
[1
5]
.
O
n
c
e
t
h
e
M
S
T
a
l
go
r
i
t
hm
pr
o
duc
e
d
t
h
e
f
i
na
l
t
ra
i
ni
n
g
d
a
t
a
s
e
t
,
s
i
x
di
f
f
e
r
e
n
t
c
l
a
s
s
i
f
i
e
rs
w
e
r
e
t
r
a
i
n
e
d
b
y
i
t
.
W
e
c
h
o
s
e
t
h
e
s
a
m
e
s
i
x
c
l
a
s
s
i
f
i
e
r
s
a
s
i
n
S
T
f
o
r
m
a
k
i
n
g
v
a
l
i
d
c
o
m
p
a
r
i
s
o
n
b
e
t
w
e
e
n
S
T
a
n
d
M
S
T
m
e
t
h
o
d.
3.
3
.
C
o
m
p
ar
i
s
o
n
m
e
tr
i
c
s
W
e
c
h
o
s
e
s
i
x
c
o
m
m
o
n
l
y
r
e
f
e
r
r
e
d
m
e
t
r
i
c
s
t
o
a
s
s
e
s
s
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
M
S
T
a
ga
i
n
s
t
S
T
a
l
go
r
i
t
hm
.
T
h
o
s
e
a
r
e
:
a
v
e
r
a
ge
p
r
e
c
i
s
i
o
n,
a
r
e
a
u
n
de
r
R
O
C
c
ur
v
e
,
a
c
c
ura
c
y
,
f
1
-
s
c
o
r
e
,
p
r
e
c
i
s
i
o
n
a
nd
r
e
c
a
l
l
.
S
i
n
c
e
t
h
e
s
e
m
e
t
r
i
c
s
f
un
c
t
i
o
n
s
di
f
f
e
r
e
n
t
l
y
f
o
r
b
i
na
r
y
a
n
d
m
ul
t
i
-
c
l
a
s
s
da
t
a
s
e
t
,
w
e
c
o
m
put
e
d
t
h
e
m
s
ui
t
a
b
l
y
.
P
r
e
c
i
s
i
o
n
-
r
e
c
a
l
l
c
u
r
v
e
(
P
R
C
)
i
s
a
c
o
m
m
o
n
l
y
us
e
d
m
e
t
ri
c
t
ha
t
s
h
o
w
s
t
h
e
t
ra
de
of
f
be
t
w
e
e
n
r
e
c
a
l
l
a
n
d
p
r
e
c
i
s
i
o
n
.
It
i
s
a
m
e
a
s
u
r
e
o
f
h
o
w
m
a
n
y
r
e
l
e
v
a
n
t
r
e
s
ul
t
s
a
r
e
f
o
un
d.
T
h
e
l
a
r
ge
r
t
h
e
a
r
e
a
u
n
de
r
t
h
e
c
u
r
v
e
(
A
U
C
),
t
h
e
hi
g
h
e
r
t
h
e
r
e
c
a
l
l
a
nd
p
r
e
c
i
s
i
o
n.
A
v
e
r
a
ge
p
r
e
c
i
s
i
o
n
[26]
e
xp
r
e
s
s
e
s
a
s
um
m
a
r
y
of
t
h
e
e
nt
i
r
e
A
U
C
a
s
t
h
e
w
e
i
gh
t
e
d
a
v
e
r
a
ge
o
f
pr
e
c
i
s
i
o
n
r
e
t
u
rn
e
d
a
t
e
a
c
h
t
hr
e
s
h
o
l
d
i
n
a
w
a
y
t
h
a
t
t
h
e
w
e
i
ght
b
e
c
o
m
e
s
t
h
e
di
f
f
e
r
e
n
c
e
i
n
r
e
c
a
l
l
f
r
o
m
t
h
e
p
r
e
v
i
o
us
t
hr
e
s
h
o
l
d
.
I
n
c
a
s
e
of
m
ul
t
i
-
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n,
t
h
e
l
e
a
rn
i
ng
a
l
go
ri
t
hm
i
s
w
r
a
pp
e
d
i
n
a
o
n
e
-
vs
-
r
e
s
t
f
a
s
hi
o
n
t
o
p
r
o
duc
e
b
i
na
r
y
c
o
m
pa
ri
s
o
n
s
f
o
r
e
a
c
h
c
l
a
s
s
.
T
h
e
P
R
C
w
a
s
t
h
e
n
c
o
m
put
e
d
a
s
t
h
e
‘
m
i
c
r
o
a
v
e
r
a
ge
’
[27]
o
f
t
h
e
r
e
c
a
l
l
a
n
d
p
r
e
c
i
s
i
o
n
f
o
r
a
l
l
c
l
a
s
s
e
s
.
A
v
e
r
a
ge
p
r
e
c
i
s
i
o
n
ra
n
ge
s
f
r
o
m
0
t
o
1,
t
h
e
b
i
gge
r
t
h
e
b
e
t
t
e
r.
A
r
e
a
u
n
de
r
t
h
e
r
e
c
e
i
v
e
r
o
pe
r
a
t
i
n
g
c
h
a
ra
c
t
e
r
i
s
t
i
c
s
(
R
O
C
-
A
U
C
)
pl
o
t
[28,
29]
i
l
l
us
t
ra
t
e
s
t
h
e
t
ra
de
o
ff
b
e
t
w
e
e
n
a
c
l
a
s
s
i
f
i
e
r
’
s
e
n
s
i
t
i
v
i
t
y
a
n
d
s
pe
c
i
f
i
c
i
t
y
.
Re
c
e
i
ve
r
o
pe
r
a
t
i
n
g
c
h
a
ra
c
t
e
ri
s
t
i
c
s
(
R
O
C
)
i
s
a
p
r
o
b
a
b
i
l
i
t
y
c
ur
v
e
t
h
a
t
di
s
p
l
a
y
s
t
h
e
t
r
ue
po
s
i
t
i
v
e
r
a
t
e
a
n
d
f
a
l
s
e
po
s
i
t
i
v
e
ra
t
e
o
n
t
h
e
Y
-
a
xi
s
a
n
d
X
-
a
xi
s
r
e
s
pe
c
t
i
v
e
l
y
.
T
h
e
hi
g
h
e
r
t
h
e
R
O
C
-
A
U
C
,
t
h
e
b
e
t
t
e
r
t
h
e
m
o
de
l
’s
c
o
r
r
e
c
t
p
r
e
di
c
t
i
o
n
a
b
i
l
i
t
y
i
s
.
F
o
r
m
u
l
t
i
-
c
l
a
s
s
da
t
a
s
e
t
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
o
n
e
-
vs
-
a
l
l
(
m
a
c
r
o
s
c
o
r
e
)
[30]
s
t
ra
t
e
gy
w
a
s
us
e
d.
R
O
C
-
A
U
C
ra
n
ge
s
f
r
o
m
0
t
o
1,
t
h
e
b
i
gge
r
t
h
e
b
e
t
t
e
r.
A
c
c
ur
a
c
y
i
s
t
h
e
ra
t
i
o
of
c
o
rr
e
c
t
l
y
pr
e
di
c
t
e
d
l
a
b
e
l
s
t
o
t
h
e
t
o
t
a
l
l
a
b
e
l
s
.
It
i
s
e
xp
r
e
s
s
e
d
i
n
pe
r
c
e
nt
a
ge
.
P
r
e
c
i
s
i
o
n,
f
o
r
t
h
e
b
i
na
r
y
l
a
b
e
l
e
d
da
t
a
s
e
t
,
i
s
t
h
e
ra
t
i
o
o
f
c
o
r
r
e
c
t
l
y
pr
e
di
c
t
e
d
po
s
i
t
i
v
e
l
a
b
e
l
s
t
o
t
h
e
t
o
t
a
l
p
r
e
di
c
t
e
d
po
s
i
t
i
v
e
l
a
b
e
l
s
.
R
e
c
a
l
l
,
f
o
r
t
h
e
b
i
na
r
y
l
a
b
e
l
e
d
da
t
a
s
e
t
,
i
s
t
h
e
ra
t
i
o
of
c
o
r
r
e
c
t
l
y
pr
e
d
i
c
t
e
d
po
s
i
t
i
v
e
l
a
b
e
l
s
t
o
t
h
e
t
o
t
a
l
o
b
s
e
r
v
a
t
i
o
n
s
i
n
a
c
t
ua
l
po
s
i
t
i
v
e
l
a
b
e
l
.
F
1
S
c
o
r
e
r
e
t
u
rn
s
t
h
e
w
e
i
ght
e
d
a
v
e
r
a
ge
o
f
p
r
e
c
i
s
i
o
n
a
nd
r
e
c
a
l
l
.
I
n
c
a
s
e
o
f
m
ul
t
i
-
c
l
a
s
s
da
t
a
s
e
t
,
p
r
e
c
i
s
i
o
n,
r
e
c
a
l
l
a
n
d
f
1
s
c
o
r
e
a
r
e
c
o
m
put
e
d
di
f
f
e
r
e
n
t
l
y
.
W
e
c
a
l
c
ul
a
t
e
t
h
e
m
e
t
r
i
c
f
o
r
e
a
c
h
l
a
b
e
l
a
n
d
t
h
e
n
c
o
m
put
e
d
t
h
e
i
r
u
n
w
e
i
gh
t
e
d
m
e
a
n
(m
a
c
r
o
a
v
e
r
a
ge
)
[31]
.
T
h
e
v
a
l
ue
o
f
pr
e
c
i
s
i
o
n,
r
e
c
a
l
l
a
n
d
f
1
s
c
o
r
e
r
a
n
ge
f
r
o
m
0
t
o
1
,
t
h
e
b
i
gge
r
t
h
e
b
e
t
t
e
r.
3.
4
.
Ex
p
e
r
i
m
e
n
ta
l
s
e
tti
n
gs
fo
r
th
e
p
r
o
p
o
s
e
d
al
go
r
i
th
m
T
h
e
r
e
a
r
e
s
o
m
e
t
u
n
i
ng
p
a
r
a
m
e
t
e
r
s
i
n
a
l
go
ri
t
hm
1
a
n
d
2
.
I
n
a
l
go
ri
t
hm
1
(c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
n
i
ng,
S
T
)
,
c
o
n
f
i
de
n
c
e
t
hr
e
s
h
o
l
d
H
1
i
s
us
e
d
t
o
s
e
l
e
c
t
hi
g
h
-
c
o
n
f
i
de
n
c
e
p
r
e
di
c
t
i
o
n
s
a
t
e
a
c
h
i
t
e
ra
t
i
o
n
.
I
n
a
l
go
r
i
t
h
m
2
(pr
o
po
s
e
d
a
l
go
r
i
t
h
m
,
M
S
T
)
,
f
i
r
s
t
s
t
a
ge
ps
e
udo
-
l
a
b
e
l
a
g
r
e
e
m
e
n
t
t
hr
e
s
h
o
l
d
V
1
w
a
s
us
e
d
t
o
s
e
l
e
c
t
d
a
t
a
po
i
n
t
s
w
h
o
s
e
l
a
b
e
l
s
w
e
r
e
a
g
r
e
e
d
upo
n
by
V
1
m
o
de
l
s
.
I
n
t
h
e
s
e
c
o
n
d
s
t
a
ge
,
c
l
a
s
s
i
f
i
c
a
t
i
o
n
c
o
n
f
i
de
n
c
e
t
hr
e
s
h
o
l
d
H
w
a
s
us
e
d
t
o
s
e
l
e
c
t
da
t
a
po
i
nt
s
t
h
a
t
h
a
d
h
i
g
h
-
c
o
n
f
i
de
n
c
e
p
re
di
c
t
i
o
n
s
.
T
h
e
da
t
a
po
i
n
t
s
s
e
l
e
c
t
e
d
i
n
t
hi
s
s
t
e
p
i
s
f
urt
h
e
r
f
i
l
t
e
r
e
d
us
i
ng
ps
e
udo
-
l
a
b
e
l
a
g
r
e
e
m
e
nt
t
hr
e
s
h
o
l
d
V
2
by
c
h
o
o
s
i
n
g
o
n
l
y
t
h
o
s
e
po
i
n
t
s
w
h
o
s
e
l
a
b
e
l
s
Evaluation Warning : The document was created with Spire.PDF for Python.
Int
J
E
l
e
c
&
Co
m
p
E
n
g
IS
S
N
:
2088
-
8708
Se
m
i
-
s
up
e
r
v
i
s
e
d
l
e
ar
ni
ng
appr
o
ac
h
us
i
n
g
m
od
i
f
i
e
d
s
e
l
f
-
t
r
ai
n
i
ng
al
gor
i
t
hm
…
(
Md.
Kam
r
ul
H
os
s
ai
n
)
4347
w
e
r
e
a
g
r
e
e
d
upo
n
by
V
2
m
o
de
l
s
.
A
l
l
t
h
e
a
b
o
ve
m
e
n
t
i
o
n
e
d
t
hr
e
s
h
o
l
ds
h
a
v
e
g
r
e
a
t
i
m
pa
c
t
o
n
t
h
e
pe
r
f
o
r
m
a
n
c
e
of
c
o
r
r
e
s
po
n
di
ng
c
l
a
s
s
i
f
i
e
r
,
i
.
e
.
t
h
e
m
o
de
l
’s
pe
r
f
o
r
m
a
n
c
e
i
s
s
e
n
s
i
t
i
v
e
t
o
t
h
e
c
h
o
i
c
e
o
f
t
hr
e
s
h
o
l
d
p
a
r
a
m
e
t
e
r
s
.
A
l
s
o
,
pe
r
f
o
r
m
a
n
c
e
v
a
ri
e
s
f
r
o
m
d
a
t
a
s
e
t
t
o
da
t
a
s
e
t
b
a
s
e
d
o
n
t
h
o
s
e
t
hr
e
s
h
o
l
d
v
a
l
ue
s
.
In
S
T
,
t
o
s
e
l
e
c
t
t
h
e
c
o
n
f
i
de
n
c
e
t
hr
e
s
h
o
l
d
H
1,
w
e
fo
l
l
ow
e
d
t
h
e
m
e
t
h
o
d
s
u
gge
s
t
e
d
i
n
[15
]
.
T
ha
t
i
s
,
w
e
t
o
o
k
t
o
p
10
pe
r
c
e
nt
f
r
o
m
t
h
e
hi
g
h
-
c
o
n
f
i
de
n
c
e
p
r
e
di
c
t
i
o
n
s
a
nd
us
e
d
t
h
e
m
e
a
n
o
f
t
h
e
i
r
p
r
o
b
a
b
i
l
i
t
y
e
s
t
i
m
a
t
i
o
n
a
s
t
hr
e
s
h
o
l
d
H
1.
A
l
s
o
,
t
h
e
v
a
l
ue
f
o
r
m
a
xCo
u
n
t
w
a
s
c
h
o
s
e
n
a
s
40
b
a
s
e
d
o
n
t
h
o
s
e
w
o
r
ks
.
I
n
M
S
T
,
V
1
i
s
t
h
e
n
um
b
e
r
o
f
c
l
a
s
s
i
f
i
e
r
s
n
e
e
d
t
o
a
g
r
e
e
f
o
r
s
e
l
e
c
t
i
ng
a
d
a
t
a
po
i
n
t
f
o
r
n
e
xt
s
t
a
ge
.
V
1
c
a
n
b
e
a
n
y
v
a
l
ue
f
r
o
m
0
t
o
N
w
h
e
r
e
N
i
s
t
h
e
n
u
m
b
e
r
o
f
a
v
a
i
l
a
b
l
e
c
l
a
s
s
i
f
i
e
rs
i
n
f
i
r
s
t
s
t
a
ge
.
V
1
s
h
o
ul
d
b
e
c
h
o
s
e
n
s
uc
h
t
ha
t
i
t
y
i
e
l
ds
da
t
a
po
i
n
t
s
o
f
a
l
l
t
h
e
po
s
s
i
b
l
e
l
a
b
e
l
s
.
A
l
s
o
,
m
a
j
o
ri
t
y
po
r
t
i
o
n
o
f
t
h
e
u
nl
a
b
e
l
e
d
da
t
a
po
i
nt
s
s
h
o
ul
d
b
e
o
b
t
a
i
n
e
d
f
o
r
s
e
c
o
n
d
s
t
a
ge
.
V
a
l
ue
o
f
V
1
s
t
a
rt
s
f
r
o
m
N
a
n
d
s
h
o
ul
d
b
e
r
e
duc
e
d
u
nt
i
l
t
h
e
t
w
o
m
e
nt
i
o
n
e
d
c
o
n
di
t
i
o
n
s
a
r
e
m
e
t
.
H
2
i
s
c
o
n
f
i
de
n
c
e
t
hr
e
s
h
o
l
d,
i
.
e
.
e
s
t
i
m
a
t
e
d
pr
o
b
a
b
i
l
i
t
y
t
hr
e
s
h
o
l
d
a
n
d
V
2
i
s
l
i
ke
V
1
b
ut
i
t
i
s
f
o
r
t
h
e
s
e
c
o
n
d
s
t
a
ge
.
V
2
c
a
n
b
e
a
n
y
v
a
l
u
e
f
r
o
m
0
t
o
M
w
h
e
r
e
M
i
s
t
h
e
n
u
m
b
e
r
o
f
a
v
a
i
l
a
b
l
e
c
l
a
s
s
i
f
i
e
r
s
i
n
s
e
c
o
n
d
s
t
a
ge
.
V
2
a
n
d
H
s
h
o
ul
d
b
e
a
s
h
i
g
h
a
s
po
s
s
i
b
l
e
.
T
h
e
c
o
m
b
i
na
t
i
o
n
o
f
H
a
n
d
V
2
s
h
o
ul
d
b
e
s
uc
h
t
ha
t
i
t
r
e
s
ul
t
s
i
n
da
t
a
po
i
n
t
s
w
i
t
h
a
l
l
t
h
e
po
s
s
i
b
l
e
c
l
a
s
s
-
l
a
b
e
l
s
,
i
.
e
.
a
t
l
e
a
s
t
o
n
e
da
t
a
po
i
nt
f
r
o
m
e
a
c
h
c
l
a
s
s
s
h
o
ul
d
b
e
pr
e
s
e
n
t
i
n
o
ut
pu
t
.
T
h
e
d
a
t
a
i
n
s
t
a
n
c
e
s
f
o
un
d
f
r
o
m
t
h
i
s
s
t
a
g
e
i
s
c
o
m
b
i
n
e
d
w
i
t
h
t
h
e
o
r
i
g
i
n
a
l
t
rue
l
a
b
e
l
e
d
da
t
a
fo
r
p
r
e
pa
ri
n
g
f
i
na
l
t
ra
i
ni
n
g
da
t
a
s
e
t
.
V
a
l
ue
o
f
H
2
a
nd
V
2
s
h
o
ul
d
s
t
a
r
t
f
r
o
m
m
a
x
i
m
u
m
po
s
s
i
b
l
e
v
a
l
ue
.
If
de
s
i
r
e
d
o
ut
put
i
s
n
o
t
f
o
un
d
w
h
e
n
H
2
a
n
d
V
2
a
r
e
m
a
xi
m
um
,
t
h
e
n
a
t
f
i
r
s
t
,
V
2
s
h
o
ul
d
b
e
de
c
r
e
m
e
nt
e
d
n
u
m
e
r
i
c
a
l
l
y
.
B
ut
V
2
s
h
o
ul
d
a
l
w
a
y
s
b
e
gr
e
a
t
e
r
t
ha
n
ha
l
f
o
f
t
h
e
a
v
a
i
l
a
b
l
e
c
l
a
s
s
i
f
i
e
r
s
i
n
s
e
c
o
n
d
s
t
a
ge
,
i
.
e
.
i
f
M
c
l
a
s
s
i
f
i
e
r
s
a
r
e
a
v
a
i
l
a
b
l
e
i
n
s
e
c
o
n
d
s
t
a
ge
,
t
h
e
n
V
2
s
h
o
ul
d
b
e
gr
e
a
t
e
r
t
h
a
n
M
/
2.
N
o
w
,
i
f
V
2
r
e
a
c
h
e
s
i
t
s
l
o
w
e
s
t
pe
r
m
i
s
s
i
b
l
e
v
a
l
ue
b
ut
de
s
i
r
e
d
o
ut
pu
t
i
s
n
o
t
o
b
t
a
i
n
e
d,
t
h
e
n
w
e
s
h
o
ul
d
r
e
duc
e
t
h
e
v
a
l
ue
o
f
H
2
o
n
e
s
t
e
p.
W
e
t
o
o
k
s
t
e
p
s
i
z
e
e
qua
l
s
t
o
0.
5
.
It
c
a
n
b
e
c
h
o
s
e
n
a
t
w
i
l
l
,
t
h
e
s
m
a
l
l
e
r
t
h
e
b
e
t
t
e
r
.
A
f
t
e
r
r
e
duc
i
n
g
H
2,
w
e
a
ga
i
n
t
u
n
e
V
2
b
y
s
t
a
r
t
i
n
g
i
t
f
r
o
m
i
t
s
m
a
xi
m
u
m
v
a
l
ue
(i
.
e
.
M
)
.
F
o
l
l
ow
i
n
g
t
h
e
s
t
e
ps
m
e
nt
i
o
n
e
d
a
b
ov
e
,
w
e
t
r
y
t
o
f
i
n
d
V
2
t
ha
t
g
i
v
e
s
de
s
i
r
e
d
o
ut
pu
t
.
I
n
t
hi
s
w
a
y
,
w
e
f
i
n
d
a
c
o
m
b
i
na
t
i
o
n
o
f
H
2
a
n
d
V
2
t
ha
t
g
i
v
e
s
de
s
i
r
e
d
o
ut
pu
t
,
i
.
e
.
i
t
r
e
s
ul
t
s
i
n
d
a
t
a
i
n
s
t
a
n
c
e
s
w
i
t
h
a
l
l
t
h
e
po
s
s
i
b
l
e
c
l
a
s
s
-
l
a
b
e
l
s
.
T
h
e
da
t
a
i
n
s
t
a
n
c
e
s
fo
un
d
f
r
o
m
t
h
i
s
s
t
a
ge
,
a
r
e
c
o
m
b
i
n
e
d
w
i
t
h
t
h
e
o
r
i
g
i
n
a
l
t
r
ue
l
a
b
e
l
e
d
da
t
a
f
o
r
p
r
e
pa
ri
ng
f
i
na
l
d
a
t
a
s
e
t
.
3.
5
.
R
e
s
u
l
t
I
n
T
a
b
l
e
2
t
o
7
,
w
e
s
um
m
a
ri
z
e
d
t
h
e
pe
r
f
o
r
m
a
n
c
e
c
o
m
pa
r
i
s
o
n
b
e
t
w
e
e
n
S
T
a
nd
M
S
T
o
n
s
i
x
c
o
m
m
o
n
l
y
r
e
f
e
r
r
e
d
d
a
t
a
s
e
t
s
.
I
n
t
h
e
t
a
b
l
e
s
,
t
h
e
f
i
r
s
t
c
o
l
um
n
h
o
l
ds
t
h
e
na
m
e
s
o
f
t
h
e
c
l
a
s
s
i
f
i
e
r
s
.
S
T
i
s
w
r
i
t
t
e
n
o
n
b
r
a
c
ke
t
t
o
i
n
di
c
a
t
e
t
h
a
t
t
h
e
c
l
a
s
s
i
f
i
e
r
w
a
s
us
e
d
a
s
b
a
s
e
c
l
a
s
s
i
f
i
e
r
f
o
r
a
l
go
ri
t
hm
1
a
n
d
M
S
T
i
n
di
c
a
t
e
t
ha
t
t
h
e
c
l
a
s
s
i
f
i
e
r
w
a
s
us
e
d
a
s
f
i
n
a
l
c
l
a
s
s
i
f
i
e
r
f
o
l
l
ow
i
n
g
a
l
go
ri
t
hm
2.
T
a
b
l
e
2
.
A
du
l
t
da
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
5
0
7
0
.
7
2
9
8
3
.
6
1
0
0
.
5
7
5
0
.
7
5
7
0
.
4
6
3
E
x
t
ra
T
re
e
(M
S
T
)
0
.
6
4
9
0
.
8
5
3
8
2
.
9
0
5
0
.
5
9
3
0
.
6
9
0
0
.
5
1
9
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
7
4
0
0
.
8
9
0
8
2
.
6
8
6
0
.
4
7
3
0
.
8
6
9
0
.
3
2
5
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
7
8
2
0
.
9
0
5
8
5
.
8
0
3
0
.
6
6
3
0
.
7
6
7
0
.
5
8
3
G
a
u
s
s
i
a
n
(
S
T
)
0
.
4
4
7
0
.
7
8
0
7
4
.
5
9
3
0
.
4
0
2
0
.
4
6
0
0
.
3
5
6
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
6
3
9
0
.
8
3
8
8
1
.
1
8
9
0
.
5
5
6
0
.
6
3
9
0
.
4
9
2
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
6
7
9
0
.
8
4
6
8
1
.
7
9
7
0
.
4
5
7
0
.
7
9
9
0
.
3
2
0
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
6
8
1
0
.
8
4
6
8
2
.
6
1
8
0
.
5
5
6
0
.
7
1
5
0
.
4
5
5
Q
D
A
(
S
T
)
0
.
5
8
1
0
.
7
8
9
7
4
.
9
6
9
0
.
4
0
4
0
.
4
7
0
0
.
3
5
5
Q
D
A
(
M
S
T
)
0
.
6
5
8
0
.
8
5
0
7
9
.
4
3
5
0
.
4
4
4
0
.
6
2
9
0
.
3
4
3
S
V
M
(
S
T
)
0
.
6
1
9
0
.
8
2
3
8
1
.
0
5
4
0
.
4
9
3
0
.
6
8
5
0
.
3
8
5
S
V
M
(
M
S
T
)
0
.
6
3
2
0
.
8
3
4
8
0
.
6
6
6
0
.
4
3
3
0
.
7
2
6
0
.
3
0
8
T
h
e
A
dul
t
da
t
a
s
e
t
i
s
a
n
i
m
b
a
l
a
n
c
e
d
b
i
na
r
y
da
t
a
s
e
t
o
f
48842
r
o
w
s
w
h
e
r
e
1
1687
r
o
w
s
a
r
e
o
f
po
s
i
t
i
ve
l
a
b
e
l
('
i
n
c
o
m
e
e
xc
e
e
ds
50'
)
a
n
d
r
e
s
t
a
r
e
n
e
ga
t
i
v
e
.
W
e
t
oo
k
3%
l
a
b
e
l
e
d
da
t
a
f
o
r
o
u
r
e
xpe
ri
m
e
n
t
m
a
i
nt
a
i
n
i
ng
t
h
e
c
l
a
s
s
l
a
b
e
l
ra
t
i
o
.
F
r
o
m
T
a
b
l
e
2,
w
e
f
i
n
d
t
ha
t
,
o
u
r
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
ni
n
g
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
ri
c
s
f
o
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
,
e
xc
e
pt
f
o
r
S
uppo
r
t
v
e
c
t
o
r
c
l
a
s
s
i
f
i
e
r
w
hi
c
h
s
h
o
w
e
d
pe
r
fo
r
m
a
n
c
e
s
i
m
i
l
a
r
t
o
S
T
.
T
h
e
B
a
l
a
n
c
e
d
a
t
a
s
e
t
i
s
a
n
i
m
b
a
l
a
n
c
e
d
m
u
l
t
i
c
l
a
s
s
(
3
l
a
b
e
l
)
d
a
t
a
s
e
t
o
f
625
r
o
w
s
of
w
h
i
c
h
2
88
a
r
e
‘L
’
l
a
b
e
l
,
288
a
r
e
‘R
’
l
a
b
e
l
a
n
d
49
a
r
e
o
f
‘B
’
l
a
b
e
l
.
W
e
t
o
o
k
3%
l
a
b
e
l
e
d
d
a
t
a
f
o
r
o
ur
e
xpe
r
i
m
e
nt
m
a
i
nt
a
i
n
i
ng
t
h
e
c
l
a
s
s
r
a
t
i
o
.
F
r
o
m
T
a
b
l
e
3,
w
e
f
i
n
d
t
h
a
t
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
ni
n
g
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
ri
c
s
f
o
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
.
T
h
e
B
r
e
a
s
t
c
a
n
c
e
r
d
i
a
g
n
o
s
t
i
c
d
a
t
a
s
e
t
i
s
a
n
i
m
b
a
l
a
n
c
e
d
b
i
na
ry
da
t
a
s
e
t
o
f
569
r
o
w
s
w
h
e
r
e
212
r
o
w
s
a
r
e
o
f
po
s
i
t
i
v
e
l
a
b
e
l
(‘m
a
l
i
g
na
n
t
t
u
m
o
r'
)
a
nd
r
e
s
t
a
r
e
n
e
ga
t
i
v
e
.
W
e
t
o
o
k
3%
l
a
b
e
l
e
d
da
t
a
f
o
r
o
ur
e
xpe
ri
m
e
n
t
m
a
i
n
t
a
i
ni
n
g
t
h
e
c
l
a
s
s
ra
t
i
o
.
F
r
o
m
T
a
b
l
e
4
,
w
e
f
i
n
d
t
h
a
t
,
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2088
-
8708
Int
J
E
l
e
c
&
Co
m
p
E
n
g
,
V
o
l
.
10
,
N
o
.
4
,
A
ugus
t
2
020
:
43
40
-
4351
4348
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
ra
i
ni
n
g
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
r
i
c
s
f
o
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
,
e
xc
e
pt
f
o
r
G
a
us
s
i
a
n
N
a
i
v
e
B
a
y
e
s
a
n
d
L
o
gi
s
t
i
c
r
e
g
r
e
s
s
i
o
n
(w
h
i
c
h
a
r
e
v
e
r
y
c
l
o
s
e
t
o
S
T
i
n
pe
r
f
o
rm
a
n
c
e
).
T
a
b
l
e
3
.
B
a
l
a
n
c
e
da
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
7
4
9
0
.
7
5
0
7
4
.
7
9
4
0
.
5
2
2
0
.
5
1
4
0
.
5
4
0
E
x
t
ra
T
re
e
(M
S
T
)
0
.
8
3
3
0
.
7
8
9
7
8
.
0
8
9
0
.
5
4
5
0
.
5
2
9
0
.
5
6
4
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
7
1
4
0
.
7
3
8
6
9
.
0
2
8
0
.
5
2
7
0
.
5
3
3
0
.
5
2
8
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
8
7
0
0
.
8
2
9
7
7
.
7
5
9
0
.
5
5
4
0
.
5
6
6
0
.
5
6
8
G
a
u
s
s
i
a
n
(
S
T
)
0
.
6
6
8
0
.
6
9
9
6
3
.
4
2
7
0
.
4
3
8
0
.
4
2
7
0
.
4
5
8
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
8
9
7
0
.
8
0
3
8
1
.
5
4
9
0
.
5
6
9
0
.
5
5
4
0
.
5
8
9
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
8
9
1
0
.
8
5
6
8
1
.
8
7
8
0
.
5
6
8
0
.
5
5
4
0
.
5
9
2
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
9
0
8
0
.
8
5
8
8
2
.
8
6
7
0
.
5
7
7
0
.
5
5
7
0
.
5
9
9
Q
D
A
(S
T
)
0
.
7
5
2
0
.
7
6
9
6
8
.
3
6
9
0
.
4
6
6
0
.
5
1
5
0
.
4
9
4
Q
D
A
(M
S
T
)
0
.
8
5
9
0
.
7
9
6
8
1
.
8
7
8
0
.
5
7
2
0
.
5
5
4
0
.
5
9
2
S
V
M
(
S
T
)
0
.
8
1
2
0
.
8
0
1
7
0
.
6
7
5
0
.
5
7
2
0
.
6
0
0
0
.
5
7
0
S
V
M
(
M
S
T
)
0
.
9
1
8
0
.
8
8
4
8
3
.
3
6
1
0
.
6
7
1
0
.
6
7
7
0
.
6
6
7
T
a
b
l
e
4
.
B
r
e
a
s
t
c
a
n
c
e
r
d
a
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
9
6
9
0
.
9
6
4
9
1
.
4
8
6
0
.
9
3
1
0
.
9
4
6
0
.
9
1
6
E
x
t
ra
T
re
e
(M
S
T
)
0
.
9
6
7
0
.
9
6
5
9
1
.
4
8
6
0
.
9
3
2
0
.
9
3
1
0
.
9
3
4
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
9
4
2
0
.
9
3
9
8
7
.
3
1
9
0
.
8
9
4
0
.
9
3
9
0
.
8
5
3
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
9
4
3
0
.
9
3
9
8
9
.
8
5
5
0
.
9
1
7
0
.
9
4
2
0
.
8
9
3
G
a
u
s
s
i
a
n
(
S
T
)
0
.
9
8
9
0
.
9
8
1
9
3
.
2
9
7
0
.
9
4
6
0
.
9
5
3
0
.
9
3
9
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
9
8
7
0
.
9
7
8
9
3
.
6
5
9
0
.
9
4
8
0
.
9
7
6
0
.
9
2
2
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
8
8
5
0
.
9
2
0
9
0
.
3
9
9
0
.
9
2
4
0
.
9
1
3
0
.
9
3
6
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
8
7
9
0
.
9
1
6
8
9
.
6
7
4
0
.
9
1
8
0
.
9
0
9
0
.
9
2
8
Q
D
A
(S
T
)
0
.
8
4
3
0
.
8
6
3
8
3
.
5
1
4
0
.
8
7
3
0
.
8
4
2
0
.
9
0
8
Q
D
A
(M
S
T
)
0
.
9
8
6
0
.
9
8
0
9
1
.
6
6
7
0
.
9
3
0
0
.
9
8
4
0
.
8
8
2
S
V
M
(
S
T
)
0
.
7
4
7
0
.
8
0
7
8
7
.
8
6
2
0
.
9
0
8
0
.
8
6
4
0
.
9
5
7
S
V
M
(
M
S
T
)
0
.
8
0
0
0
.
8
6
5
8
9
.
1
3
0
0
.
9
1
4
0
.
9
0
9
0
.
9
1
9
T
a
b
l
e
5
.
C
a
r
da
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
7
7
0
0
.
7
5
4
7
3
.
9
4
2
0
.
4
2
3
0
.
5
3
1
0
.
3
9
0
E
x
t
ra
T
re
e
(M
S
T
)
0
.
8
2
6
0
.
8
0
2
7
7
.
3
4
0
0
.
4
2
6
0
.
4
9
7
0
.
4
0
4
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
8
4
4
0
.
8
2
7
7
6
.
1
4
8
0
.
4
3
0
0
.
4
5
1
0
.
4
3
2
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
7
5
0
0
.
8
7
6
7
9
.
9
0
5
0
.
4
9
0
0
.
5
5
3
0
.
4
6
8
G
a
u
s
s
i
a
n
(
S
T
)
0
.
7
6
9
0
.
6
4
6
6
8
.
9
3
3
0
.
3
3
9
0
.
5
4
6
0
.
3
1
8
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
7
9
5
0
.
6
8
3
7
0
.
5
4
3
0
.
2
8
5
0
.
4
5
1
0
.
2
9
6
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
7
6
4
0
.
7
1
9
7
0
.
0
0
6
0
.
2
0
6
0
.
1
7
5
0
.
2
5
0
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
7
7
8
0
.
7
3
4
6
9
.
8
2
7
0
.
2
2
3
0
.
2
9
9
0
.
2
5
7
Q
D
A
(S
T
)
0
.
2
5
2
0
.
5
7
0
3
.
9
3
6
0
.
0
4
6
0
.
0
2
8
0
.
2
5
0
Q
D
A
(M
S
T
)
0
.
6
0
6
0
.
6
3
8
6
3
.
0
8
9
0
.
2
9
2
0
.
3
6
5
0
.
3
2
3
S
V
M
(
S
T
)
0
.
7
4
6
0
.
6
9
5
7
0
.
3
6
4
0
.
2
7
7
0
.
3
5
7
0
.
2
8
4
S
V
M
(
M
S
T
)
0
.
7
7
5
0
.
7
7
0
7
0
.
1
2
5
0
.
3
5
6
0
.
4
0
6
0
.
3
6
3
T
h
e
Ca
r
d
a
t
a
s
e
t
i
s
a
hi
g
hl
y
i
m
b
a
l
a
n
c
e
d
m
ul
t
i
c
l
a
s
s
(
4
l
a
b
e
l
)
da
t
a
s
e
t
o
f
1728
i
n
s
t
a
n
c
e
s
w
h
e
r
e
c
l
a
s
s
0
ha
s
384
i
n
s
t
a
n
c
e
s
,
c
l
a
s
s
1
ha
s
69
i
n
s
t
a
n
c
e
s
,
c
l
a
s
s
2
ha
s
1210
i
n
s
t
a
n
c
e
s
a
n
d
c
l
a
s
s
3
ha
s
65
i
n
s
t
a
n
c
e
s
.
W
e
t
o
o
k
3%
l
a
b
e
l
e
d
da
t
a
f
o
r
o
ur
e
xpe
ri
m
e
nt
m
a
i
nt
a
i
n
i
ng
t
h
e
c
l
a
s
s
ra
t
i
o
.
F
r
o
m
T
a
b
l
e
5
,
w
e
f
i
n
d
t
ha
t
,
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
n
i
ng
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
r
i
c
s
f
o
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
,
e
xc
e
pt
fo
r
G
a
us
s
i
a
n
N
a
i
v
e
b
a
y
e
s
c
l
a
s
s
i
f
i
e
r
w
h
i
c
h
h
a
s
s
i
m
i
l
a
r
pe
r
f
o
r
m
a
n
c
e
t
o
t
h
e
S
T
.
In
T
a
b
l
e
6
t
h
e
r
e
s
ul
t
o
n
G
l
a
s
s
d
a
t
a
s
e
t
i
s
s
h
o
w
n
.
T
h
e
G
l
a
s
s
d
a
t
a
s
e
t
i
s
a
hi
g
h
l
y
i
m
b
a
l
a
n
c
e
d
m
u
l
t
i
c
l
a
s
s
(6
c
l
a
s
s
l
a
b
e
l
s
)
d
a
t
a
s
e
t
o
f
214
i
n
s
t
a
n
c
e
s
.
W
e
t
o
o
k
9%
l
a
b
e
l
e
d
da
t
a
(19
i
n
s
t
a
n
c
e
s
)
f
o
r
o
ur
e
xpe
r
i
m
e
nt
m
a
i
n
t
a
i
ni
n
g
t
h
e
c
l
a
s
s
ra
t
i
o
.
F
r
o
m
T
a
b
l
e
5,
w
e
f
i
nd
t
ha
t
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
n
i
ng
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
ri
c
s
f
o
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
.
In
T
a
b
l
e
7
t
h
e
r
e
s
ul
t
o
n
I
r
i
s
d
a
t
a
s
e
t
i
s
s
h
o
w
n
.
T
h
e
I
r
i
s
d
a
t
a
s
e
t
i
s
a
b
a
l
a
n
c
e
d
d
a
t
a
s
e
t
o
f
150
i
n
s
t
a
n
c
e
s
w
i
t
h
t
hr
e
e
c
l
a
s
s
l
a
b
e
l
s
,
ha
v
i
n
g
50
i
n
s
t
a
n
c
e
s
f
o
r
e
a
c
h
c
l
a
s
s
.
W
e
t
o
o
k
5%
l
a
b
e
l
e
d
d
a
t
a
f
o
r
o
ur
e
xpe
ri
m
e
nt
m
a
i
n
t
a
i
ni
n
g
t
h
e
c
l
a
s
s
ra
t
i
o
.
F
r
o
m
T
a
b
l
e
5,
w
e
f
i
nd
t
ha
t
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
(M
S
T
)
o
ut
pe
r
f
o
r
m
e
d
t
h
e
c
l
a
s
s
i
c
a
l
s
e
l
f
-
t
r
a
i
n
i
ng
(S
T
)
i
n
m
o
s
t
o
f
t
h
e
m
e
t
ri
c
s
fo
r
a
l
l
t
h
e
c
l
a
s
s
i
f
i
e
r
s
,
e
xc
e
pt
f
o
r
Q
ua
d
ra
t
i
c
di
s
c
r
i
m
i
na
n
t
a
n
a
l
y
s
i
s
c
l
a
s
s
i
f
i
e
r
.
Evaluation Warning : The document was created with Spire.PDF for Python.
Int
J
E
l
e
c
&
Co
m
p
E
n
g
IS
S
N
:
2088
-
8708
Se
m
i
-
s
up
e
r
v
i
s
e
d
l
e
ar
ni
ng
appr
o
ac
h
us
i
n
g
m
od
i
f
i
e
d
s
e
l
f
-
t
r
ai
n
i
ng
al
gor
i
t
hm
…
(
Md.
Kam
r
ul
H
os
s
ai
n
)
4349
T
a
b
l
e
6
.
G
l
a
s
s
d
a
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
3
4
6
0
.
6
7
9
5
3
.
3
3
3
0
.
3
9
8
0
.
4
2
1
0
.
4
5
4
E
x
t
ra
T
re
e
(M
S
T
)
0
.
5
4
3
0
.
8
1
1
6
0
.
0
0
0
0
.
5
6
4
0
.
5
7
7
0
.
5
8
5
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
4
6
1
0
.
6
9
3
4
9
.
7
4
4
0
.
3
3
3
0
.
4
7
8
0
.
3
2
5
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
5
7
4
0
.
7
8
6
5
7
.
4
3
6
0
.
4
8
3
0
.
5
2
8
0
.
5
2
3
G
a
u
s
s
i
a
n
(
S
T
)
0
.
5
3
1
0
.
7
4
7
4
6
.
6
6
7
0
.
4
0
4
0
.
3
9
1
0
.
4
2
8
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
5
4
2
0
.
7
5
8
4
9
.
7
4
4
0
.
4
9
3
0
.
5
9
1
0
.
4
9
0
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
3
6
7
0
.
7
3
1
4
5
.
6
4
1
0
.
2
7
9
0
.
2
7
4
0
.
3
2
5
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
5
4
0
0
.
7
8
8
5
2
.
8
2
1
0
.
4
5
6
0
.
5
1
9
0
.
4
7
6
Q
D
A
(S
T
)
0
.
2
7
8
0
.
5
6
9
3
2
.
8
2
1
0
.
1
6
4
0
.
1
6
5
0
.
2
3
4
Q
D
A
(M
S
T
)
0
.
5
4
3
0
.
6
6
2
5
3
.
3
3
3
0
.
4
0
5
0
.
6
2
1
0
.
4
0
9
S
V
M
(
S
T
)
0
.
3
4
2
0
.
7
6
0
4
7
.
6
9
2
0
.
4
9
3
0
.
5
3
1
0
.
4
9
8
S
V
M
(
M
S
T
)
0
.
4
1
4
0
.
7
9
3
5
8
.
4
6
2
0
.
5
2
8
0
.
5
5
0
0
.
5
3
6
T
a
b
l
e
7
.
I
ri
s
d
a
t
a
s
e
t
N
a
m
e
o
f
c
l
a
s
s
i
f
i
e
r
M
i
c
ro
a
v
g
.
p
r
e
c
i
s
i
o
n
RO
C
-
A
U
C
A
c
c
u
ra
c
y
F
1
S
c
o
re
P
re
c
i
s
i
o
n
Re
c
a
l
l
E
x
t
ra
T
re
e
(S
T
)
0
.
8
3
0
0
.
9
1
8
8
8
.
8
1
1
0
.
8
8
6
0
.
9
0
8
0
.
8
8
9
E
x
t
ra
T
re
e
(M
S
T
)
0
.
9
6
1
0
.
9
8
0
9
0
.
9
0
9
0
.
9
0
9
0
.
9
1
0
0
.
9
0
9
G
ra
d
i
e
n
t
Bo
o
s
t
(
S
T
)
0
.
6
4
8
0
.
8
2
0
7
4
.
8
2
5
0
.
7
5
4
0
.
7
6
7
0
.
7
4
8
G
ra
d
i
e
n
t
Bo
o
s
t
(
M
S
T
)
0
.
8
3
6
0
.
9
6
5
7
9
.
0
2
1
0
.
7
9
6
0
.
8
1
3
0
.
7
9
0
G
a
u
s
s
i
a
n
(
S
T
)
0
.
3
5
9
0
.
6
5
3
3
5
.
6
6
4
0
.
2
2
2
0
.
7
7
9
0
.
3
6
1
G
a
u
s
s
i
a
n
(
M
S
T
)
0
.
7
3
2
0
.
7
3
2
6
1
.
5
3
8
0
.
5
4
3
0
.
8
1
2
0
.
6
1
8
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
S
T
)
0
.
8
4
7
0
.
9
7
4
6
7
.
8
3
2
0
.
5
7
1
0
.
8
3
2
0
.
6
7
4
L
o
g
i
s
t
i
c
R
e
g
r
e
s
s
i
o
n
(
M
S
T
)
0
.
9
2
6
0
.
9
8
9
8
9
.
5
1
0
0
.
8
9
4
0
.
9
0
7
0
.
8
9
6
Q
D
A
(S
T
)
0
.
8
8
8
0
.
9
5
3
8
3
.
9
1
6
0
.
8
3
8
0
.
8
3
9
0
.
8
3
8
Q
D
A
(M
S
T
)
0
.
6
6
8
0
.
6
8
2
5
1
.
0
4
9
0
.
4
4
2
0
.
7
7
6
0
.
5
1
4
S
V
M
(
S
T
)
0
.
8
7
1
0
.
9
5
0
8
7
.
4
1
3
0
.
8
7
0
0
.
8
9
4
0
.
8
7
3
S
V
M
(
M
S
T
)
0
.
9
8
4
0
.
9
7
9
8
8
.
1
1
2
0
.
8
7
9
0
.
8
9
3
0
.
8
8
2
3.
6
.
C
h
o
o
s
i
n
g
fi
n
al
c
l
as
s
i
f
i
e
r
fo
r
O
B
S
n
e
tw
o
r
k
d
a
tas
e
t
c
l
as
s
i
fi
c
a
ti
o
n
In
F
i
g
u
r
e
3
F1
-
s
c
o
r
e
s
f
o
r
t
h
e
s
i
x
c
l
a
s
s
i
f
i
e
r
s
(M
S
T
)
i
s
p
r
e
s
e
nt
e
d
f
o
r
e
a
c
h
da
t
a
s
e
t
.
T
h
e
f
i
n
a
l
c
l
a
s
s
i
f
i
e
r
'
F
'
i
n
p
r
o
po
s
e
d
M
S
T
i
s
t
h
e
c
l
a
s
s
i
f
i
e
r
w
h
i
c
h
i
s
t
r
a
i
n
e
d
by
t
he
f
i
n
a
l
l
a
b
e
l
e
d
da
t
a
s
e
t
.
A
f
t
e
r
c
a
r
e
f
ul
o
b
s
e
r
v
a
t
i
o
n
of
T
a
b
l
e
2
t
o
T
a
b
l
e
7
,
w
e
s
ugge
s
t
'
E
xt
ra
t
r
e
e
c
l
a
s
s
i
f
i
e
r
'
t
o
b
e
t
h
e
f
i
na
l
c
l
a
s
s
i
f
i
e
r
(F
)
f
o
r
M
S
T
,
t
o
b
e
us
e
d
f
o
r
O
B
S
n
e
t
w
o
r
k
da
t
a
s
e
t
c
l
a
s
s
i
f
i
c
a
t
i
o
n.
T
h
e
r
e
a
s
o
n
f
o
r
c
h
o
o
s
i
n
g
E
x
t
r
a
t
r
e
e
i
s
t
ha
t
t
hi
s
c
l
a
s
s
i
f
i
e
r
o
ut
pe
r
f
o
r
m
e
d
a
l
l
o
t
h
e
r
c
l
a
s
s
i
f
i
e
r
s
(i
n
S
T
)
w
h
e
n
us
e
d
a
s
F
i
n
M
S
T
.
A
l
s
o
,
f
o
r
s
m
a
l
l
s
i
z
e
d
d
a
t
a
s
e
t
s
(gl
a
s
s
a
nd
i
ri
s
)
,
i
t
pe
r
f
o
r
m
e
d
b
e
t
t
e
r
t
ha
n
o
t
h
e
r
c
l
a
s
s
i
f
i
e
r
s
(i
n
M
S
T
).
M
o
r
e
o
v
e
r
,
w
e
w
a
n
t
t
o
ke
e
p
o
u
r
O
B
S
n
e
t
w
o
r
k
d
a
t
a
s
e
t
a
s
s
m
a
l
l
a
s
po
s
s
i
b
l
e
.
T
h
e
r
f
o
r
e
,
f
o
r
O
B
S
n
e
t
w
o
r
k
n
o
de
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
t
h
e
f
i
n
a
l
c
l
a
s
s
i
f
i
e
r
i
s
s
e
l
e
c
t
e
d
t
o
b
e
'
E
xt
ra
t
r
e
e
c
l
a
s
s
i
f
i
e
r
'
f
o
r
M
S
T
.
F
i
gu
r
e
3
.
F
1
-
s
c
o
r
e
s
o
f
s
i
x
c
l
a
s
s
i
f
i
e
r
s
(M
S
T
)
3.
7
.
C
l
as
s
i
fy
i
n
g
O
B
S
n
e
tw
o
r
k
d
atas
e
t
u
s
i
n
g
th
e
p
r
o
p
os
e
d
al
go
r
i
th
m
W
e
fo
un
d
a
n
O
B
S
n
e
t
w
o
r
k
da
t
a
s
e
t
f
r
o
m
U
CI
m
a
c
hi
n
e
l
e
a
rni
n
g
r
e
po
s
i
t
o
r
y
w
h
i
c
h
w
a
s
m
a
de
us
i
n
g
N
CT
U
n
s
n
e
t
w
o
r
k
s
i
m
u
l
a
t
o
r
s
o
f
t
w
a
r
e
.
It
ha
s
10
75
l
a
b
e
l
e
d
i
n
s
t
a
n
c
e
s
a
n
d
t
w
o
t
a
rge
t
c
o
l
um
n
s
.
I
n
f
i
r
s
t
t
a
r
ge
t
c
o
l
um
n,
i
t
ha
s
t
hre
e
l
a
b
e
l
s
f
o
r
t
he
i
ns
t
a
nc
e
s
:
B
e
ha
v
i
ng
,
n
ot
-
b
e
ha
v
i
ng
a
nd
po
t
e
nt
i
a
l
l
y
n
o
t
-
b
e
ha
v
i
ng
.
I
n
t
he
o
t
h
e
r
t
a
r
ge
t
c
o
l
um
n,
i
t
ha
s
f
o
ur
t
y
pe
s
of
l
a
b
e
l
i
n
g:
M
i
s
b
e
h
a
v
i
n
g
-
n
o
b
l
oc
k,
m
i
s
b
e
h
a
v
i
n
g
-
w
a
i
t
,
m
i
s
b
e
ha
v
i
ng
-
b
l
o
c
k
a
n
d
0
0
.
2
0
.
4
0
.
6
0
.
8
1
Ad
ul
t
B
a
l
a
nc
e
C
a
nce
r
C
a
r
Gl
a
s
s
I
r
i
s
Gr
a
d
i
en
t
B
oost
i
n
g
Ga
u
s
s
i
a
nN
a
i
v
e
B
a
y
e
s
Log
i
s
t
i
c
R
eg
r
es
s
i
on
Evaluation Warning : The document was created with Spire.PDF for Python.