การสร้างฐานองค์ความรู้จากข้อมูลโดยใช้อัลกอริธึมจัดกลุ่มแบบวนซ้ำ

Knowledge extraction from data using iterative clustering algorithm

Name: วีรนุช นิ่มเงิน

ThaSH: ดาต้าไมนิง

ThaSH: การบริหารองค์ความรู้

Abstract: ปัจจุบันองค์กรต่าง ๆ ได้ให้ความสำคัญในเรื่องของข้อมูลกันมากขึ้น ฐานองค์ความรู้จึงเป็น เป้าหมายที่ทุกองค์กรต้องการใช้ในการจัดเก็บข้อมูล แต่เนื่องจากข้อมูลมีจำนวนมากและ มีโครงสร้างซับซ้อน จึงมีการนำเทคนิคดาต้าไมนิงมาช่วยในการวิเคราะห์ข้อมูลเพื่อให้ ฐานองค์ความรู้ที่ได้มีประสิทธิภาพมากขึ้น สารนิพนธ์นี้จึงมีวัตถุประสงค์เพื่อสร้างระบบ ฐานองค์ความรู้จากข้อมูลโดยเทคนิคการจัดกลุ่มแบบวนซ้ำประเภทเคมีนและฟัซซีซีมีน จากนั้น ทำการเปรียบเทียบประสิทธิภาพของโมเดลการจัดกลุ่มที่สร้างขึ้นระหว่างเทคนิคทั้งสองโดยใช้ ข้อมูลไอริส ข้อมูลการจำแนกไวน์และข้อมูลต่อมไทรอยด์ ซึ่งในการพัฒนาระบบครั้งนี้ใช้ Microsoft Visual Basic 6.0 เป็นเครื่องมือในการพัฒนาและใช้ Microsoft Window XP เป็น ระบบปฏิบัติการ จากกระบวนการทดสอบประสิทธิภาพโดยข้อมูลทั้งสามชนิด พบว่า เมื่อสร้าง โมเดลการจัดกลุ่มจากข้อมูลไอริสโดยเทคนิคประเภทเคมีนมีประสิทธิภาพเท่ากับ 88.49 % และเทคนิค ประเภทฟัซซีซีมีนมีประสิทธิภาพเท่ากับ 91.11 % เมื่อสร้างโมเดลการจัดกลุ่มจากข้อมูลการจำแนก ไวน์ เทคนิคประเภทเคมีนมีประสิทธิภาพเท่ากับ 69.11 % และเทคนิคประเภทฟัซซีซีมีนมี ประสิทธิภาพเท่ากับ 71.91 % และเมื่อสร้างโมเดลการจัดกลุ่มจากข้อมูลต่อมไทรอยด์ เทคนิค ประเภทเคมีนมีประสิทธิภาพเท่ากับ 85.8 % และเทคนิคประเภทฟัซซีซีมีนมีประสิทธิภาพเท่ากับ 83.89 % ซึ่งจากผลการวิเคราะห์ข้อมูลโดยใช้การทดสอบ ที่ระดับนัยสำคัญเท่ากับ 0.03 พบว่าเปอร์เซ็นต์ความถูกต้องของข้อมูลไอริส มีค่า เท่ากับ 4.13 เปอร์เซ็นต์ความถูกต้องของ ข้อมูล การจำแนกไวน์ มีค่า t เท่ากับ 24.39 และเปอร์เซ็นต์ความถูกต้องของข้อมูลต่อมไทรอยด์ มีค่า t เท่ากับ -5.22 ดังนั้นจึงสามารถสรุปได้ว่า โมเดลที่สร้างโดยเทคนิคการจัดกลุ่มประเภทเคมีน ให้ประสิทธิภาพแตกต่างจากโมเดลที่สร้างโดยเทคนิคการจัดกลุ่มประเภทฟัซซีซีมีนขึ้นอยู่กับ กลุ่มข้อมูล

Abstract: Various organization have been increasing in use of business data containing knowledge for decision support. Knowledge bases become one of the main issues that every organization has to consider. However, to extract knowledge from huge data sets is not an easy task. The objective of this master project was to develop a system for knowledge extraction from data using K-Means and Fuzzy C-Means techniques. In addition, the objective was to compare models between the two techniques using Iris data, Wine Recognition, and Thyroid gland data. The system was developed using Microsoft Visual Basic 6.0 operating on the Microsoft Window XP. From the experimental simulations, when the models were generated using Iris data to form K-Means and Fuzzy C-Means, the prediction accuracy were 88.49% and 91.11%, respectively. When the models were generated using Wine Recognition data to form K-Means and Fuzzy C-Means, the prediction accuracy were 69.11% and 71.91%, respectively. In addition, when the models were generated using Thyroid gland data to form K-Means and Fuzzy C-Means, the prediction accuracy were 85.80% and 83.89%, respectively. In addition, the two techniques were compared by using t-test. With the significant value of 0.03, t-value was 4.13, 24.39 and -5.22, for Iris data, Wine Recognition, and Thyroid gland data, respectively. The results showed that K-Means and Fuzzy C-Means technique are different. However, it cannot be concluded that which one is better. One technique may perform better than the other in one data set, while the other one may perform better in some other data sets.

สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร (Bangkok)

Email: library@kmutnb.ac.th

Name: พยุง มีสัจ

Role: ที่ปรึกษาสารนิพนธ์

Email : pym@kmitnb.ac.th

Created: 2548

Issued: 2006-04-18

Modified: 2566-09-08

วิทยานิพนธ์/Thesis

CallNumber: สพ MITT ว827น

tha

DegreeName: วิทยาศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	mitt0293.pdf	1.94 MB	1	2024-10-31 13:58:58

ใช้เวลา

0.017415 วินาที