Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/77754
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | บุญเสริม กิจศิริกุล | - |
| dc.contributor.author | ภาสกร ตั้งชนะชัยอนันต์ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
| dc.date.accessioned | 2021-11-11T07:41:54Z | - |
| dc.date.available | 2021-11-11T07:41:54Z | - |
| dc.date.issued | 2548 | - |
| dc.identifier.issn | 9745328731 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/77754 | - |
| dc.description.abstract | ค้นหาฟังก์ชันถ่วงน้ำหนักที่ดีเพื่อใช้สำหรับวัดความแตกต่างระหว่างข้อมูลสองตัวใดๆ ในอัลกอริทึมเนียเรสท์เนอเบอร์ โดยเน้นที่จะพัฒนาความแม่นยำของการจำแนกประเภทเป็นหลัก กระบวนการที่ใช้เริ่มต้นโดยการให้นิยามเกี่ยวกับคุณสมบัติต่างๆ ของฟังก์ชันซึ่งเป็นที่ต้องการเพื่อหารูปแบบที่เหมาะสมของฟังก์ชันนี้ หลังจากนั้นรูปแบบของฟังก์ชันที่เป็นผลลัพธ์จากขั้นตอนที่ผ่านมา จะถูกนำมาทดลองโดยการจำแนกประเภทกับชุดข้อมูลซึ่งจะถูกใช้เป็นตัววัดผล โดยมีมีวัตถุประสงค์เพื่อที่จะทดสอบประสิทธิภาพของฟังก์ชันที่ได้ ซึ่งในที่นี้ก็คือความแม่นยำในการจำแนกประเภทที่จะนำมาเปรียบเทียบกับฟังก์ชันถ่วงน้ำหนักแบบพื้นฐานที่ใช้กับอัลกอริทึมประเภทนี้ และเพื่อที่จะค้นหาค่าปรับแต่งที่เหมาะสมที่สุดของฟังก์ชันเหล่านั้น และผลการทดลองที่ได้ก็แสดงให้เห็นถึงประสิทธิภาพของฟังก์ชันนั้น ซึ่งถือได้ว่ามีการพัฒนาขึ้นพอสมควรเมื่อเทียบกับฟังก์ชันถ่วงน้ำหนักแบบพื้นฐาน | - |
| dc.description.abstractalternative | To find some good weight functions for calculating the difference between any two data in nearest neighbor algorithms, especially focusing on the accuracy of classification. The process starts by defining properties of weight functions needed for determining the forms of appropriate functions. After that, these forms, resulted from the previous step, are used in the experiments to classify the test data. The purpose of this is to evaluate the accuracy, compared to the traditional weight functions used in the nearest neighbor algorithms. We also study the most suitable value for the adjustable factors of these functions. The result shows the effectiveness of the proposed functions. It could be considered as a fair improvement compared to the traditional weight functions. | - |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.relation.uri | http://doi.org/10.14457/CU.the.2005.1317 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.subject | การวิเคราะห์เพื่อนบ้านใกล้ที่สุด (สถิติ) | en_US |
| dc.subject | การเรียนรู้ของเครื่อง | en_US |
| dc.subject | ปัญญาประดิษฐ์ | en_US |
| dc.subject | Nearest neighbor analysis (Statistics)) | en_US |
| dc.subject | Machine learning | en_US |
| dc.subject | Artificial intelligence | en_US |
| dc.title | ฟังก์ชันถ่วงน้ำหนักสำหรับอัลกอริทึมเนียเรสท์เนเบอร์ | en_US |
| dc.title.alternative | Weight functions for nearest neighbor algorithms | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิศวกรรมศาสตรมหาบัณฑิต | en_US |
| dc.degree.level | ปริญญาโท | en_US |
| dc.degree.discipline | วิศวกรรมคอมพิวเตอร์ | en_US |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.identifier.DOI | 10.14457/CU.the.2005.1317 | - |
| Appears in Collections: | Grad - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Pasakorn_ta_front_p.pdf | หน้าปกและบทคัดย่อ | 902.26 kB | Adobe PDF | View/Open |
| Pasakorn_ta_ch1_p.pdf | บทที่ 1 | 767.24 kB | Adobe PDF | View/Open |
| Pasakorn_ta_ch2_p.pdf | บทที่ 2 | 1.19 MB | Adobe PDF | View/Open |
| Pasakorn_ta_ch3_p.pdf | บทที่ 3 | 1.53 MB | Adobe PDF | View/Open |
| Pasakorn_ta_ch4_p.pdf | บทที่ 4 | 1.89 MB | Adobe PDF | View/Open |
| Pasakorn_ta_ch5_p.pdf | บทที่ 5 | 804.95 kB | Adobe PDF | View/Open |
| Pasakorn_ta_back_p.pdf | บรรณานุกรมและภาคผนวก | 670.28 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.