วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2552

การจำแนกประเภทข้อมูลสำหรับข้อมูลอนุกรมเวลาเป็นเรื่องที่น่าสนใจสำหรับการวิจัยเนื่องจากสามารถนำไปใช้ได้กับหลาย ๆ โปรแกรมประยุกต์ในหลากหลายด้าน เช่น ด้านการแพทย์ ด้านการเงิน ด้านการบันเทิง และด้านอุตสาหรรมต่าง ๆ เพราะเหตุนี้จึงมีนักวิจัยเป็นจำนวนมากที่มุ่งศึกษาและพัฒนาวิธีที่จะนำมาแก้ปัญหาการจำแนกประเภทข้อมูล เช่น ต้นไม้การตัดสินใจ โครงข่ายประสาทเทียม เป็นต้น อย่างไรก็ตามวิธีที่ได้รับความนิยมและมีความแม่นยำสูงก็คือวิธีการจำแนกข้อมูลแบบเพื่อนบ้านใกล้สุดอันดับที่หนึ่งด้วยการวัดระยะทางแบบไดนามิกไทม์วอร์ปปิง แต่การใช้ไดนามิกไทม์วอร์ปปิงสำหรับการจำแนกประเภทข้อมูลนั้นต้องใช้เวลาในการคำนวณสูง นอกจากนั้นปริมาณของข้อมูลเรียนรู้ที่ต้องจัดเก็บในหน่วยเก็บข้อมูลถ้ามีจำนวนมากก็จะต้องมีพื้นที่ในการเก็บมาก ซึ่งในบางโปรแกรมประยุกต์ที่มีข้อจำกัดในด้านหน่วยเก็บข้อมูลก็จะไม่สามารถทำงานได้ ทำให้มีงานวิจัยเป็นจำนวนมากที่พยายามแก้ปัญหา โดยวิธีที่ใช้ส่วนมากก็คือการลดจำนวนข้อมูลเรียนรู้ จากประเด็นที่กล่าวมาจึงเป็นเหตุผลที่ทำให้เกิดงานวิจัยนี้ขึ้นมา โดยแนวคิดในงานวิจัยนี้คือการสร้างแผ่นแบบหรือตัวแทนกลุ่มที่สามารถแทนข้อมูลอนุกรมเวลาตัวอื่น ๆ ที่อยู่ในกลุ่มเดียวกันได้ สำหรับตัวแทนกลุ่มในงานวิจัยนี้ใช้การหาค่าเฉลี่ยรูปร่างของข้อมูลภายในกลุ่มโดยใช้การปรับแนวแบบไทม์วอร์ปปิงซึ่งเรียกวิธีการนี้ว่า ASA ซึ่งเป็นการลดจำนวนข้อมูลเรียนรู้ที่ต้องเก็บในหน่วยเก็บข้อมูลให้เหลือเพียงกลุ่มละหนึ่งอนุกรมเท่านั้น และยังเป็นการลดจำนวนครั้งในการคำนวณไดนามิกไทม์วอร์ปปิงเพราะการจำแนกประเภทข้อมูลอนุกรมเวลาหนึ่งอนุกรมก็ทำการเปรียบเทียบกับแผ่นแบบเท่านั้น ซึ่งในการทดลองนั้นวิธีการจำแนกประเภทข้อมูลโดยใช้ตัวแทนกลุ่มสามารถลดจำนวนข้อมูลที่ต้องจัดเก็บ และเวลาที่ใช้ในการจำแนกประเภทข้อมูลแต่ละตัวก็ลดลงหลายเท่ากว่าวิธีที่ใช้ในปัจจุบัน โดยที่ไม่ได้สูญเสียประสิทธิภาพในด้านความแม่นยำในการจำแนกประเภทข้อมูล