6 research outputs found
Opinion classification on a social network by a novel feature selection technique
Get PDFMost of the opinion comments on social networks are short and ambiguous. In general, opinion classification on the comments is difficult because of lacking dominant features. A feature extraction technique is therefore necessary for improving accuracy of the classification and computational time. This paper proposes an effective feature selection method for opinion classification on a social network. The proposed method selects features based on the concept of a filter model, together with association rules. Support and confidence are used to calculate the weights of features. The features with high weight are selected for classification. Unlike supports in association rules, supports in our method are normalized to 0-1 to remove outlier supports. Moreover, a tuning parameter is used to emphasize the degree of support or confidence. The experimental results show that the proposed method provides high classification efficiency. The proposed method outperforms Information Gain, Chi-Square, and Gini Index in both computational time and accurac
การประยุกต์ใช้เทคนิค Hybrid DEA-TOPSIS สำหรับการคัดเลือกวัสดุชีวมวลที่เหมาะสมสำหรับการแปรรูปเป็นแท่งเชื้อเพลิง Using the Hybrid DEA-TOPSIS Technique for Selecting the Suitable Biomass Materials for Processing into Fuel Briquettes
No full textบทคัดย่อกระบวนการตัดสินใจในการเลือกวัสดุชีวมวลที่เหมาะสมจากวัสดุทางการเกษตรเพื่อนำมาแปรรูปเป็นเชื้อเพลิงอัดแท่งเป็นปัญหาที่มีความซับซ้อนยากต่อการตัดสินใจเพราะว่ามีปัจจัยหรือคุณสมบัติที่เกี่ยวข้องหลายอย่างที่ต้องพิจารณาไปพร้อม ๆ กัน ดังนั้นงานวิจัยนี้จึงได้นำเสนอเทคนิค TOPSIS DEA และ hybrid DEA-TOPSIS ในการประเมินและจัดลำดับความสำคัญของวัสดุชีวมวลแต่ละชนิด เริ่มจากการกำหนดคุณสมบัติที่สำคัญของเชื้อเพลิงอัดแท่ง ซึ่งคุณสมบัติเหล่านี้จะถูกกำหนดให้เป็นตัวแปรนำเข้าและตัวแปรผลผลิตในเทคนิค DEA (เป็นปัจจัยหรือเกณฑ์สำหรับเทคนิค TOPSIS) ส่วนชนิดของถ่านอัดแท่งจากวัสดุทางการเกษตรจะถูกกำหนดให้เป็นหน่วยผลิตสำหรับเทคนิค DEA (เป็นทางเลือกสำหรับเทคนิค TOPSIS) หลังจากนั้นเทคนิค TOPSIS DEA และ hybrid DEA-TOPSIS ได้ถูกนำมาใช้สำหรับการประเมินและจัดลำดับความสำคัญของวัสดุชีวมวลแต่ละชนิด โดยในกรณีศึกษาที่ 1 มีจำนวนทางเลือก 23 ทางเลือก และมีปัจจัยที่เกี่ยวข้องจำนวน 5 ปัจจัย ได้แก่ ความชื้น เถ้า สารระเหย คาร์บอนคงตัว และค่าความร้อน ผลการทดสอบสัมประสิทธิ์สหสัมพันธ์สเปียร์แมนระหว่างเทคนิค hybrid DEA-TOPSIS กับเทคนิค DEA และ TOPSIS มีค่าเท่ากับ 0.863 และ 0.932 ตามลำดับ สำหรับกรณีศึกษาที่ 2 มีจำนวนทางเลือก 7 ทางเลือก และมีปัจจัยที่เกี่ยวข้องจำนวน 3 ปัจจัย ได้แก่ ค่าความร้อน คาร์บอนคงตัว และความชื้น ผลการทดสอบสัมประสิทธิ์สหสัมพันธ์สเปียร์แมนระหว่างเทคนิค hybrid DEA-TOPSIS กับเทคนิค DEA และ TOPSIS มีค่าเท่ากับ 1 เท่ากันดังนั้นวิธีที่นำเสนอในงานวิจัยนี้สามารถเป็นแนวทางในการเลือกวัสดุชีวมวลที่เหมาะสมจากวัสดุทางการเกษตรสำหรับการนำมาแปรรูปเป็นเชื้อเพลิงอัดแท่งได้Abstract The decision-making process for selecting the suitable biomass materials from agricultural materials for processing into fuel briquettes is a complex problem, which is difficult to decide because it has several properties/factors to consider simultaneously. In this paper, the TOPSIS, DEA and hybrid DEA-TOPSIS techniques have been proposed for evaluating and ranking the suitable biomass materials from agricultural materials. Firstly, the relevant properties of biomass materials for processing into fuel briquettes were determined. The properties of each biomass material from the agricultural materials were viewed as input and output variables for DEA (as factors for TOPSIS) and the alternatives of the biomass materials from agricultural materials were viewed as decision making units for DEA (as alternatives for TOPSIS). After that, using TOPSIS, DEA and the hybrid DEA-TOPSIS techniques were used to evaluate and rank the biomass materials from agricultural materials. In the case study 1, there are 23 alternatives and 5 relevant criteria, including the moisture content, ash, volatile matters, fixed carbon and heating value. The results of the Spearman correlation coefficient test between the hybrid DEA-TOPSIS technique and DEA and TOPSIS techniques were 0.863 and 0.932, respectively. For the case study 2, there are 7 alternatives and 3 relevant criteria, including the heating value, fixed carbon and moisture content. The results of the Spearman correlation coefficient test between the hybrid DEA-TOPSIS technique and DEA and TOPSIS techniques were same value (Correlation coefficients are equal to 1). For these reasons, the proposed techniques can lead to selecting suitable biomass materials for processing into fuel briquettes by considering several relevant criteria.
Evaluating Optimal Deep Learning Models for Freshness Assessment of Silver Barb Through Technique for Order Preference by Similarity to Ideal Solution with Linear Programming
No full textAutomating fish freshness assessment is crucial for ensuring quality control and operational efficiency in large-scale fish processing. This study evaluates deep learning models for classifying the freshness of Barbonymus gonionotus (Silver Barb) and optimizing their deployment in an automated fish quality sorting system. Three lightweight deep learning architectures, MobileNetV2, MobileNetV3, and EfficientNet Lite2, were analyzed across 18 different configurations, varying model size (Small, Medium, Large) and preprocessing methods (With and Without Preprocessing). A dataset comprising 1200 images, categorized into three freshness levels, was collected from the Lam Pao Dam in Thailand. To enhance classification performance, You Only Look Once version 8 (YOLOv8) was utilized for object detection and image preprocessing. The models were evaluated based on classification accuracy, inference speed, and computational efficiency, with Technique for Order Preference by Similarity to Ideal Solution with Linear Programming (TOPSIS-LP) applied as a multi-criteria decision-making approach. The results indicated that the MobileNetV3 model with a large parameter size and preprocessing (M2-PL-P) achieved the highest closeness coefficient (CC) score, with an accuracy of 98.33% and an inference speed of 6.95 frames per second (fps). This study establishes a structured framework for integrating AI-driven fish quality assessment into fishery-based community enterprises, improving productivity and reducing reliance on manual sorting processes
Map of northern Thailand showing the location of biting midge collection sites, including photographs of trap sites in Ban Hong district, Lamphun province, Thailand.
No full text(map modified from public domain (https://earthexplorer.usgs.gov/) and photos taken by Padet siriyasatien, corresponding author.</p
Data Envelopment Analysis-Taguchi Method for Determining Optimal Parameters of a Fish Scaling Machine วิธีการวิเคราะห์แบบล้อมกรอบข้อมูล-ทากุชิสำหรับการกำหนดพารามิเตอร์ที่เหมาะสมของเครื่องขอดเกล็ดปลาตะเพียน
No full textการกำหนดสภาวะที่เหมาะสมของเครื่องจักรเป็นปัญหาหนึ่งที่มีความสำคัญสำหรับกระบวนการผลิตเพราะว่าการกำหนดพารามิเตอร์ที่เหมาะสมช่วยให้การใช้งานเครื่องจักรที่มีอยู่ให้เกิดประโยชน์สูงสุด งานวิจัยนี้นำเสนอการวิเคราะห์แบบล้อมกรอบข้อมูลและทากุชิเพื่อกำหนดค่าพารามิเตอร์ที่เหมาะสมของเครื่องขอดเกล็ดปลาตะเพียนสำหรับกระบวนการผลิตอาหารแปรรูปจากปลา ได้แก่ ปลาแห้ง และ ปลาส้ม เริ่มจากกำหนดปัจจัยที่เกี่ยวข้องจำนวน 3 ปัจจัย ได้แก่ ความเร็วรอบ เวลา และความจุ ซึ่งแต่ละปัจจัยมีจำนวน 3 ระดับ และ ผลตอบสนองคือความเสียหายของปลา และประสิทธิภาพการขอดเกล็ดปลา ผลการศึกษาพบว่า ปัจจัยความเร็วรอบ เวลา และความจุ มีนัยสำคัญต่อผลตอบสนองทั้งสองค่า (P-value ≤ 0.05) โดยเมื่อเทียบกับผลการทดลองเดิมพบว่าความเสียหายของปลาลดลง 31.46% และประสิทธิภาพของการขอดเกล็ดเพิ่มขึ้น 24.47% นอกจากนี้วิธีที่นำเสนอมีประสิทธิภาพที่ดีเทียบกับวิธีอื่นในวรรณกรรม ดังนั้นวิธีที่นำเสนอนี้สามารถใช้เป็นวิธีการที่มีประสิทธิภาพวิธีหนึ่งสำหรับการแก้ปัญหาการกำหนดสภาวะที่เหมาะสมที่มีผลตอบสนองหลายค่าได้Determining the optimal parameters of a machine is an important issue in the manufacturing process because it can help optimize the use of existing machines. This paper presents a data envelopment analysis and the Taguchi method to find the optimal parameters of a fish scaling machine to produce processed foods from fish, including dried fish and pickled fish. Three related factors, including speed, time, and capacity, were considered; each factor had three levels, and the responses were fish scaling removal efficiency and fish damage. The results showed that speed, time, and capacity were significant for both responses (P-value ≤ 0.05). Compared to the original condition, the fish damage was decreased by 31.46% and the fish scaling removal efficiency was increased by 24.47%. In addition, the proposed method had good efficacy compared to other methods in the literature. Therefore, the proposed method can be used as an effective way for solving multi-response optimization problems in real-world applications
