ซัพพอร์ตเวกเตอร์แมชชีนแบบหลายประเภทโดยการแตกครึ่งแบบสมดุล

ณรงค์ บุญสิริสัมพันธ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/10015

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	บุญเสริม กิจศิริกุล	-
dc.contributor.author	ณรงค์ บุญสิริสัมพันธ์	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2009-08-13T08:12:20Z	-
dc.date.available	2009-08-13T08:12:20Z	-
dc.date.issued	2546	-
dc.identifier.isbn	9741756348	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/10015	-
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2546	en
dc.description.abstract	การสร้างซัพพอร์ตเวกเตอร์แมชชีนแบบหลายประเภทเป็นงานวิจัยที่ท้าทาย งานวิจัยฉบับนี้ได้นำเสนอวิธีการใหม่เรียกว่า วิธีการแตกครึ่งแบบสมดุล เพื่อขยายความสามารถของซัพพอร์ตเวกเตอร์แมชชีน ในการแก้ปัญหาการจำแนกข้อมูลแบบหลายประเภท วิธีนี้พัฒนามาจากวิธีการจำแนกแบบหนึ่งต่อหนึ่ง โดยเริ่มต้นที่การสร้างตัวจำแนกแบบหนึ่งต่อหนึ่งสำหรับแต่ละคู่ของประเภทข้อมูล แล้วค้นหาระนาบของตัวจำแนกที่อยู่ในตำแหน่งสมดุลที่สุด เมื่อเทียบกับตำแหน่งของข้อมูลทั้งหมดมาใช้ในการจำแนกข้อมูล วิธีการแตกครึ่งแบบสมดุลนี้ จะสามารถตัดประเภทข้อมูลที่ไม่ถูกต้องออกไปได้สูงสุดครั้งละครึ่งหนึ่ง ของจำนวนประเภทข้อมูลทั้งหมด ซึ่งเป็นจำนวนที่สูงกว่าวิธีการจำแนกแบบหนึ่งต่อหนึ่งแบบอื่นๆ เช่น วิธีดีดีเอจี วิธีเอดีเอจีและวิธีอาร์เอดีเอจี ที่สามารถตัดประเภทข้อมูลที่ไม่ถูกต้องออกไปได้เพียงครั้งละ 1 ประเภท นอกจากนี้ งานวิจัยยังได้นำเสนอจำนวนครั้งของการจำแนกจากผลการทดลองจริง เปรียบเทียบกับค่าที่คาดหวังไว้คือ [log2K] ครั้ง สำหรับปัญหาการจำแนกประเภทข้อมูล k ประเภท	en
dc.description.abstractalternative	Constructing multiclass support vector machines (SVMs) is a challenging research problem. This paper presents a novel method, called balanced dichotomization to extend SVMs for multiclass problems. Balanced dichotomization is considered as an one-against-one method. Once the system has constructed all binary SVMs, one for each pair of classes, it searches for the hyperplane at the optimal balanced position among all data classes in consideration, called balanced dichotomization classifier. Using a balanced dichotomization classifier can remove half of the candidate classes during an evaluation for the correct class, that is a higher number of elimination compared to other methods, such as the DDAG, the ADAG and the RADAG, which eliminate only one class using an ordinary binary classifier. Results show that the proposed method maintains accuracy comparable to Max Wins, the RADAG and the ADAG. We also empirically evaluated the number of decisions to derive an answer compared to the expected value of [log2K] times for an K-class problem.	en
dc.format.extent	610335 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	การเรียนรู้ของเครื่อง	en
dc.subject	การรู้จำรูปแบบ	en
dc.title	ซัพพอร์ตเวกเตอร์แมชชีนแบบหลายประเภทโดยการแตกครึ่งแบบสมดุล	en
dc.title.alternative	ซัพพอร์ตเวกเตอร์แมชชีนแบบหลายประเภทโดยการแตกครึ่งแบบสมดุล	en
dc.type	Thesis	es
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	boonserm@cp.eng.chula.ac.th, Boonserm.K@chula.ac.th	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Narong.pdf		596.03 kB	Adobe PDF	View/Open

Show simple item record