การลดมิติของข้อมูลอนุกรมเวลาโดยใช้การแทนข้อมูลบางส่วน

กึกก้อง ศิริสัมพันธ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/59727

Title:	การลดมิติของข้อมูลอนุกรมเวลาโดยใช้การแทนข้อมูลบางส่วน
Other Titles:	DIMENSIONALITY REDUCTION USING PARTIAL REPRESENTATION OF TIME SERIES DATA
Authors:	กึกก้อง ศิริสัมพันธ์
Advisors:	โชติรัตน์ รัตนามหัทธนะ
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email:	Chotirat.R@Chula.ac.th,chotirat@gmail.com,chotirat.r@chula.ac.th
Subjects:	การวิเคราะห์อนุกรมเวลา Time-series analysis
Issue Date:	2560
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	ข้อมูลอนุกรมเวลานั้นกลายเป็นสิ่งหนึ่งที่ใช้กันอย่างแพร่หลายในงานเหมืองข้อมูล เนื่องจากข้อมูลอื่นที่ไม่ใช่ข้อมูลอนุกรมเวลาสามารถนำมาเปลี่ยนแปลงให้กลายเป็นข้อมูลอนุกรมเวลาได้ แต่เนื่องจากลักษณะโดยทั่วไปของอนุกรมเวลาที่มีจำนวนมิติที่มาก ส่งผลให้การทำงานที่เกี่ยวข้องกับข้อมูลอนุกรมเวลาจะใช้เวลามากเช่นเดียวกัน โดยมีหลายงานวิจัยที่พยายามลดจำนวนมิติข้อมูลลงเพื่อลดเวลาในการทำงานกับข้อมูลอนุกรมเวลา แต่เนื่องจากวิธีการหลายวิธีการยังคงต้องอาศัยการเรียนรู้พารามิเตอร์อยู่ทำให้เสียเวลาในการเรียนรู้พารามิเตอร์ที่ค่อนข้างมาก วิทยานิพนธ์นี้เสนอการลดมิติข้อมูลให้เหลือน้อยที่สุดและเท่ากันสำหรับทุกข้อมูล ซึ่งจะใช้ข้อมูลเพียงบางส่วนจากอนุกรมเวลาเดิมเพื่อลดเวลาในการทำงาน โดยผลการทดลองพบว่าวิธีการที่นำเสนอทำงานได้รวดเร็วกว่างานวิจัยอื่นที่นำมาเปรียบเทียบ โดยยังคงความแม่นยำในการจำแนกประเภทข้อมูลไว้ได้
Other Abstract:	Time series data is one of the data that mostly used in data mining because many kinds of data can be transformed into time series data. However, the nature of time series data is high dimensionality. Therefore, a lot of time has been wasted in many time series works. There are many research works that try to reduce the number of dimension. However, it still needs a lot of time for parameter training. In this thesis, a solution is proposed to minimize the number of dimensions which would be the same number for every kind of data. Only parts of time series are used to reduce processing time. From the experiments, the proposed method is much faster than other methods while maintaining high classification accuracy.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2560
Degree Name:	วิทยาศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิทยาศาสตร์คอมพิวเตอร์
URI:	http://cuir.car.chula.ac.th/handle/123456789/59727
URI:	http://doi.org/10.58837/CHULA.THE.2017.1253
metadata.dc.identifier.DOI:	10.58837/CHULA.THE.2017.1253
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5970112321.pdf		2.74 MB	Adobe PDF	View/Open

Show full item record