Supervised Learning for Demospongiae Identification using Graph Mining Technique

Authors

  • ณัฐษิมา สุรเดช Department of Computer Engineering, Faculty of Engineering, Rajamangala University of Technology Lanna
  • วิลาวัลย์ ยาทองคำ Ban Mae Thoei School, Lamphun

Keywords:

Graph mining, Supervised learning, Demospongiae identification

Abstract

       This research purposes a graph mining technique to identify the particular characteristic of Demospongiae by supervised learning method. The sponge dataset contained 7 families belonging to the Demospongiae class was collected from the Mediterranean and Atlantic oceans. The dataset of Demospongiae was performed on graph dataset and then was analyzed to identify the particular characteristic by using graph based supervised learning method. The learned substructures can identify the unique of a specific feature for each family and can use to develop the prototype of knowledge-based expert system for Demospongiae identification. The prototype was evaluated by measuring the efficiency from the ability to classify the sponge family. The experimental results showed the identification performance accuracy is 76.47%. This indicated that graph mining technique by supervised learning method is valid and practicable for Demospongiae identification.

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

Downloads

Published

2019-06-25

How to Cite

[1]
สุรเดช ณ. and ยาทองคำ ว., “Supervised Learning for Demospongiae Identification using Graph Mining Technique”, UTK RESEARCH JOURNAL, vol. 13, no. 1, pp. 167–179, Jun. 2019.

Issue

Vol. 13 No. 1 (2019): january - June 2019

Section

Research Articles

License

กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง  รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น

การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ

ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว

กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร