การเปรียบเทียบประสิทธิภาพของเทคนิคการลดมิติของข้อมูลสำหรับการจำแนกประเภทแบบจำลอง 3 มิติ โดยใช้วิธีเลือกคุณลักษณะข้อมูล

A competitive comparison of dimensionality reduction techniques for 3D model classification using feature selection methods

Name: นิธินันท์ มาตา

keyword: การลดทอนและสรุปข้อมูล.

ThaSH: การประมวลข้อมูลอิเล็กทรอนิกส์

; แบบจำลอง 3 มิติ

ThaSH: เหมืองข้อมูล

ThaSH: ต้นไม้ตัดสินใจ

ThaSH: แบบจำลองทางเรขาคณิต

Abstract: วัตถุประสงค์ของการจัดทำปัญหาพิเศษนี้ ได้จัดทำขึ้นเพื่อเปรียบเทียบประสิทธิภาพการทำงานของอัลกอริทึมในการจำแนกประเภท และเทคนิคการลดคุณลักษณะของข้อมูลที่มีจำนวนมาก เพื่อเปรียบเทียบประสิทธิภาพความแม่นยำในการจำแนกข้อมูลแบบจำลอง 3 มิติและค่าเฉลี่ยของเวลาที่ใช้ในการสร้างโมเดลเพื่อจำแนกประเภทแบบจำลอง 3 มิติ หลังจากทำการวิจัยแล้วพบว่าอัลกอริทึมที่มีประสิทธิภาพมากที่สุดในการจำแนกแบบจำลอง 3 มิติ คือ Decision Tree แบบ Random Forest ซึ่งมีความแม่นยำถึง 96.41% แล้วนำอัลกอริทึมนั้นมาเพิ่มประสิทธิภาพให้มีความแม่นยำ และลดเวลาในการสร้างโมเดลในการจำแนก โดยการเปรียบเทียบประสิทธิภาพของเทคนิคลดมิติของข้อมูล ระหว่างเทคนิค Info Gain Attribute Evaluation, Consistency Subset Evaluation และ Wrapper Subset Evaluation พบว่าเทคนิคที่ช่วยเพิ่มความแม่นยำในการจำแนกประเภทแบบจำลอง 3 มิติ และลดเวลาในการสร้างโมเดลเพื่อจำแนกประเภทแบบจำลอง 3 มิติให้ลดลง คือ Info Gain Attribute Evaluation โดยเพิ่มความแม่นยำในการจำแนกเป็น 96.62% และลดเวลาในการสร้างโมเดลในการจำแนกจาก 86.06 วินาที เป็น 70.05 วินาที สามารถสรุปได้ว่าประสิทธิภาพการคัดเลือกคุณลักษณะของข้อมูลโดยเทคนิคเทคนิค Info Gain Attribute Evaluation, Consistency Subset Evaluation และ Wrapper Subset Evaluation แตกต่างกัน

Abstract: The aim of this special problem was made to compare the performance of classification algorithm that attempt to reduce the dimension of large data. Moreover, to compare the accuracy of classified information, 3D models, and the average time spent on modeling for classification of 3D models. This research was conducted by using 3D geometric shape with a verity of algorithms to find the most appropriate technique After the experiments to identify the most accurate algorithm ware completed, it was Decision Tree and Random Forest, which is accurate in the classification of 3D models to 96.41%.To improve the accuracy of the classification of 3D models and more precisely and reduce the time to create models in the classification of 3D models to decline by increased accuracy in classification is 96.62%.And reduce the time to create models in the classification of 86.06 seconds to 70.05 seconds. Summary a competitive comparison of dimensionality reduction by Info Gain Attribute Evaluation, Consistency Subset Evaluation and Wrapper Subset Evaluation are difference.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ศักดิ์ชาย ตั้งวรรณวิทย์

Role: อาจารย์ที่ปรึกษา

Email : sakchait@kmutnb.ac.th

Created: 2554

Modified: 2020-09-06

Issued: 2556-02-19

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B1559550x.pdf	4.32 MB	93	2024-03-13 16:41:14

ใช้เวลา

0.028149 วินาที