การใช้เทคนิคการทำเหมืองข้อมูลกราฟด้วยวิธีการเรียนรู้แบบมีผู้สอนสำหรับจำแนกลักษณะเด่นของฟองน้ำในชั้นเดโมสปอนเจีย

Main Article Content

ณัฐษิมา สุรเดช
วิลาวัลย์ ยาทองคำ

บทคัดย่อ

       งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอการใช้เทคนิคการทำเหมืองข้อมูลกราฟ ด้วยวิธีการเรียนรู้แบบมีผู้สอน เพื่อจำแนกลักษณะเด่นของฟองน้ำในชั้นเดโมสปอนเจีย ซึ่งข้อมูลฟองน้ำที่ใช้เป็นฟองน้ำทะเลที่อาศัยอยู่ในมหาสมุทรแอตแลนติก และทะเลเมดิเตอร์เรเนียน จำนวน 7 วงศ์ ในงานวิจัยนี้ข้อมูลฟองน้ำจะถูกนำเสนอให้อยู่ในรูปแบบของข้อมูลแบบกราฟก่อนนำไปทำการวิเคราะห์เพื่อจำแนกลักษณะเด่น จากผลการวิเคราะห์พบว่าฟองน้ำในชั้นเดโมสปอนเจียแต่ละวงศ์มีลักษณะจำเพาะที่แตกต่างกันอย่างชัดเจน ซึ่งคุณลักษณะเหล่านั้นสามารถนำไปประยุกต์ใช้ในการพัฒนาต้นแบบระบบผู้เชี่ยวชาญในการจำแนกวงศ์ของฟองน้ำได้ เมื่อทำการทดสอบต้นแบบระบบผู้เชี่ยวชาญโดยวัดประสิทธิภาพจากความสามารถในการจำแนก พบว่าสามารถจำแนกวงศ์ของฟองน้ำได้ถูกต้อง คิดเป็นค่าความแม่นยำในการจำแนกเท่ากับ 76.47 เปอร์เซนต์ ซึ่งแสดงให้เห็นได้อย่างชัดเจนว่า เทคนิคการทำเหมืองข้อมูลกราฟด้วยวิธีการเรียนรู้แบบมีผู้สอนมีความเหมาะสมและสามารถนำมาใช้ในการจำแนกลักษณะเด่นของฟองน้ำในชั้นเดโมสปอนเจียได้จริง

Article Details

บท
บทความวิจัย

References

[1] Hooper JNA, Van Soest RWM. Systema Porifera: A guide to the classification of sponges. New York: Kluwer Academic/ Plenum Publishers; 2002.

[2] บพิธ จารุพันธุ์, นันทพร จารุพันธุ์. สัตว์ไม่มีกระดูกสันหลัง I โพรโทซัวถึงทาร์ดิกราดา. พิมพ์ครั้งที่ 1. กรุงเทพฯ: มหาวิทยาลัยเกษตรศาสตร์; 2545.

[3] Hartman WD. Porifera. Synopsis and classification of living organisms 1982; 1:640-666.

[4] Starr C, Evers CA, Starr L. Biology: Concepts and Applications. 10th Ed. Boston: Cengage Learning, Inc; 2016.

[5] Niedzlek-Feaver M. Sponges. [Internet]. North Carolina: NC State; 2016 [cited 2018 Nov 20]. Available from: https://projects.ncsu.edu/project/bio402_315/lec3porifera/Porifera/Untitled31-summ.html

[6] Jain S. Fundamentals of Invertebrate Palaeontology: Macrofossils. [Internet]. India: Springer India; 2017 [cited 2018 Nov 20]. doi: 10.1007/978-81-322-3658-0.

[7] Cook DJ, Holder LB, editors. Mining Graph Data. John Wiley & Sons, Inc; 2007.

[8] Cook DJ, Holder LB. Substructure discovery using minimum description length and background knowledge. J Artif Intell Res. 1993; 1:231-255.

[9] Cook DJ, Holder LB. Graph-based data mining. IEEE Intell Syst. 2000; 15:32-41.

[10] Cook DJ, Holder LB. Graph-based relational learning: current and future directions. ACM SIGKDD Explorations Newsletter. 2003; 5:90-3.

[11] Yada K, Motoda H, Washio T, et al. Consumer Behavior Analysis by Graph Mining Technique. In: Negoita MGH, Howlett RJ, Jain LC, editors. International Conference on Knowledge-Based and Intelligent Information and Engineering Systems; 2004 Sep 20-25; Wellington, New Zealand. 2004. P. 800-6.

[12] You CH, Holder LB, Cook DJ. Application of Graph-based Data Mining to Metabolic Pathways. Sixth IEEE International Conference on Data Mining - Workshops (ICDMW'06); 2006 Dec 18-22; Hong Kong, China. IEEE; 2006. P. 169 - 173.

[13] Uriz L, Domingo M. UCI Machine Learning Repository: Sponge Data Set. [Internet]. Irvine, CA: University of California, School of Information and Computer Science. [cited 2018 Oct 7]. Available from: https://archive.ics.uci.edu/ml/datasets/sponge

[14] The World Porifera Database [Internet]. Rob van Soest. [cited 2018 Nov 20]. Available from: https://www.marinespecies .org/porifera

[15] Moreno AG., et al. Practices of Zoology: Study and diversity of the Poriferous. [Internet]. 2011 [cited 2018 Nov 20]. Available from: https://www.ucm.es/ data/cont/docs/568-2013-12-16-01-Pori feros.pdf

[16] Boury-Esnault N, Rutzler K. Thesaurus of sponge morphology, Smithsonian Contributions to Zoology. [Internet]. 1997 [cited 2018 Nov 20]. Available from: https://doi.org/10.5479/si.00810282. 596

[17] Rutzler K., et al. Diversity of sponges (Porifera) from cryptic habitats on the Belize barrier reef near Carrie Bow Cay, Zootaxa. 2014. doi: 10.11646/zootaxa.3805.1.1.

[18] De Vos L, Donadey C, Vacelet J, et al. Atlas of sponge morphology, Smithsonian lnstitution Press; 1991.

[19] Armengol E, Plaza E, Domingo M, et al. UCI Machine Learning Repository: Demo- spongiae Data Set. [Internet]. [cited 2018 Nov 2]. Available from: https://archive.ics.uci.edu/ml/datasets/Demospongiae