Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/55845
Title: Half-Orbital extreme pole clustering algorithm
Other Titles: ขั้นตอนวิธีการเกาะกลุ่มข้อมูลแบบขั้วสุดขีดครึ่งวงโคจร
Authors: Benjapun Kaveelerdpotjana
Advisors: Boonyarit Intiyot
Krung Sinapiromsaran
Other author: Chulalongkorn University. Faculty of Science
Advisor's Email: boonyarit.i@chula.ac.th
krung.s@chula.ac.th
Subjects: Data mining
Cluster analysis
ดาต้าไมนิง
การวิเคราะห์จัดกลุ่ม
Issue Date: 2013
Publisher: Chulalongkorn University
Abstract: วิทยานิพนธ์นี้นำเสนอขั้นตอนวิธีการเกาะกลุ่มข้อมูลแบบขั้วสุดขีดครึ่งวงโคจร ขั้นตอนวิธีการจัดกลุ่มข้อมูลแบบใหม่ที่ถูกนำเสนอได้ประยุกต์แนวคิดของการเลือกขั้วสุดขีดในการแบ่งข้อมูลออกเป็นกลุ่ม ความแปรปรวนรวมถูกใช้เป็นเครื่องมือในการวัดประสิทธิภาพเพื่อใช้เปรียบเทียบขั้นตอนวิธีที่เสนอกับขั้นตอนวิธีการจัดกลุ่มแบบ k-means และ k-medoids ขั้นตอนวิธีการเกาะกลุ่มข้อมูลแบบขั้วสุดขีดครึ่งวงโคจรได้แก้ไขจุดด้อยสามจุดของขั้นตอนวิธีที่ถูกนำมาเปรียบเทียบ คือ การไม่จำเป็นต้องระบุจำนวนของกลุ่มข้อมูลก่อนเริ่มขั้นตอนวิธี การใช้ระยะห่างระหว่างข้อมูลโดยไม่ต้องคำนวณซ้ำ และการให้ผลลัพธ์ของการจัดกลุ่มเหมือนกันทุกครั้งสำหรับชุดข้อมูลเดียว
Other Abstract: This thesis proposes the half-orbital extreme pole clustering algorithm. The new proposed clustering algorithm applies the idea of the farthest pair to partition instances into groups. The total variance is used as the performance measure to compare proposed algorithm with k-means and k-medoids clustering algorithms. Half-orbital extreme pole clustering algorithm can rectify the three drawbacks of compared algorithms which are ignoring the number of clusters, using the original distances in every iteration and producing the same final clusters for a given dataset
Description: Thesis (M.Sc.)--Chulalongkorn University, 2013
Degree Name: Master of Science
Degree Level: Master's Degree
Degree Discipline: Mathematics
URI: http://cuir.car.chula.ac.th/handle/123456789/55845
URI: http://doi.org/10.14457/CU.the.2013.1878
metadata.dc.identifier.DOI: 10.14457/CU.the.2013.1878
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
Benjapun Kaveelerdpotjana.pdf1.19 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.