Phát triển phương pháp khai phá luật kết hợp mờ bằng thông tin ngôn ngữ

LỜI CAM ĐOAN

LỜI CẢM ƠN

1. MỤC LỤC

1.1. DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT

1.2. DANH MỤC HÌNH BẢNG BIỂU

1.3. DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

1.4. MỘT SỐ KIẾN THỨC CƠ SỞ

1.4.1. Tập mờ và các phép toán trên tập mờ

1.4.2. Biến ngôn ngữ

1.4.3. Phân hoạch mờ. Đại số gia tử

1.4.3.1. Khái niệm Đại số gia tử

1.4.3.2. Một số tính chất của ĐSGT tuyến tính

1.4.4. Định lượng ngữ nghĩa của giá trị ngôn ngữ

1.4.5. Độ đo tính mờ của các giá trị ngôn ngữ

1.4.6. Giải thuật di truyền

1.4.7. Bài toán khai phá luật kết hợp

1.4.7.1. Một số khái niệm cơ bản

1.4.7.2. Bài toán khai phá luật kết hợp mờ

1.4.7.3. Một số hướng nghiên cứu về luật kết hợp

1.4.8. Kết luận chương 1

2. KHAI PHÁ LUẬT KẾT HỢP MỜ THEO HƯỚNG TIẾP CẬN SỬ DỤNG ĐẠI SỐ GIA TỬ

2.1. Khai phá luật kết hợp mờ theo hướng tiếp cận ĐSGT

2.2. Mờ hóa cơ sở dữ liệu giao dịch

2.3. Quan hệ khoảng cách giao dịch

2.4. Xây dựng bảng định lượng

2.5. Nén cơ sở dữ liệu giao dịch

2.6. Thuật toán trích xuất luật kết hợp mờ

2.7. Kết quả thử nghiệm

2.7.1. Thử nghiệm với CSDL FAM95

2.7.2. Thử nghiệm với CSDL STULONG

2.8. Kết luận chương 2

3. PHÂN HOẠCH MỜ CHO THUỘC TÍNH DỰA TRÊN BIỂU DIỄN THỂ HẠT CỦA ĐSGT

3.1. Phân hoạch cho miền giá trị của thuộc tính

3.2. Rời rạc hóa thuộc tính định lượng

3.3. Phân chia miền giá trị của thuộc tính theo cách tiếp cận lý thuyết tập mờ

3.4. Phương pháp phân hoạch mờ bằng biểu diễn thể hạt với ĐSGT

3.5. Phân hoạch giá trị miền thuộc tính sử dụng biểu diễn đơn thể hạt

3.6. Phân hoạch giá trị miền thuộc tính sử dụng biểu diễn đa thể hạt

3.7. Phương pháp tối ưu tham số mờ ĐSGT cho bài toán khai phá luật kết hợp. Mô hình giải thuật di truyền CHC

3.8. Đánh giá nhiễm sắc thể

3.9. Thuật toán tìm kiếm phân hoạch mờ tối ưu và luật kết hợp

3.10. Kết quả thử nghiệm

3.10.1. Cơ sở dữ liệu sử dụng trong thử nghiệm

3.10.2. Phân tích và đánh giá kết quả thử nghiệm với biểu diễn dữ liệu dạng đơn thể hạt

3.10.3. Phân tích và đánh giá kết quả thử nghiệm với biểu diễn dữ liệu dạng đa thể hạt

3.11. Kết luận chương 3

KẾT LUẬN VÀ KIẾN NGHỊ

CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN

TÀI LIỆU THAM KHẢO

I. Giới thiệu về khai phá luật kết hợp mờ

Khai phá luật kết hợp mờ là một lĩnh vực nghiên cứu quan trọng trong khai thác dữ liệu. Nó cho phép phát hiện các mối quan hệ ẩn giữa các thuộc tính trong cơ sở dữ liệu lớn. Khai phá dữ liệu đã trở thành một công cụ thiết yếu trong nhiều lĩnh vực như y tế, giáo dục và thương mại. Các nghiên cứu trước đây chủ yếu tập trung vào luật kết hợp cổ điển, làm việc với dữ liệu nhị phân. Tuy nhiên, với sự phát triển của công nghệ, nhu cầu khai thác thông tin từ dữ liệu định lượng ngày càng tăng. Điều này dẫn đến việc phát triển các phương pháp khai thác luật kết hợp mờ, nơi mà các thuộc tính được phân chia thành các miền mờ, cho phép xử lý thông tin một cách linh hoạt hơn.

1.1. Tầm quan trọng của luật kết hợp mờ

Luật kết hợp mờ không chỉ giúp phát hiện các mối quan hệ giữa các thuộc tính mà còn cung cấp một cách tiếp cận mới để xử lý thông tin không chắc chắn. Thông tin ngôn ngữ được sử dụng để mô tả các thuộc tính, giúp người dùng dễ dàng hiểu và áp dụng các luật này trong thực tế. Việc áp dụng trí tuệ nhân tạo trong khai thác luật kết hợp mờ đã mở ra nhiều cơ hội mới cho việc phát hiện tri thức trong các lĩnh vực khác nhau. Các nghiên cứu gần đây đã chỉ ra rằng việc sử dụng đại số gia tử trong khai thác luật kết hợp mờ có thể cải thiện đáng kể độ chính xác và tính khả thi của các luật được phát hiện.

II. Phương pháp khai thác luật kết hợp mờ

Phương pháp khai thác luật kết hợp mờ bao gồm nhiều bước quan trọng, từ việc chuẩn bị dữ liệu đến việc áp dụng các thuật toán khai thác. Đầu tiên, dữ liệu cần được mờ hóa, tức là chuyển đổi các giá trị định lượng thành các miền mờ. Điều này cho phép xử lý thông tin một cách linh hoạt hơn. Sau đó, các thuật toán khai thác luật kết hợp mờ được áp dụng để tìm kiếm các luật có ý nghĩa. Các luật này có thể được biểu diễn dưới dạng: "Nếu X là A thì Y là B", trong đó A và B là các tập mờ tương ứng với các thuộc tính X và Y. Việc sử dụng giải thuật di truyền trong quá trình khai thác giúp tối ưu hóa các luật được phát hiện, từ đó nâng cao chất lượng của tri thức khai phá.

2.1. Quy trình khai thác luật kết hợp mờ

Quy trình khai thác luật kết hợp mờ bao gồm các bước chính: (i) Mờ hóa dữ liệu, (ii) Xây dựng các hàm thuộc cho các thuộc tính, (iii) Áp dụng thuật toán khai thác để tìm kiếm các luật kết hợp. Mỗi bước trong quy trình này đều có vai trò quan trọng trong việc đảm bảo chất lượng của các luật được phát hiện. Việc mờ hóa dữ liệu giúp giảm thiểu độ phức tạp của thông tin, trong khi các hàm thuộc được xây dựng dựa trên kinh nghiệm của các chuyên gia giúp đảm bảo tính chính xác của các luật. Cuối cùng, thuật toán khai thác sẽ tìm kiếm các luật có độ tin cậy và độ hỗ trợ cao, từ đó cung cấp các tri thức có giá trị cho người dùng.

III. Ứng dụng và giá trị thực tiễn

Khai phá luật kết hợp mờ có nhiều ứng dụng thực tiễn trong các lĩnh vực khác nhau. Trong thương mại, nó giúp phát hiện các mối quan hệ giữa các sản phẩm, từ đó tối ưu hóa chiến lược tiếp thị. Trong y tế, nó có thể được sử dụng để phân tích các yếu tố ảnh hưởng đến sức khỏe của bệnh nhân. Việc áp dụng thuật toán mờ trong khai thác luật kết hợp không chỉ giúp cải thiện độ chính xác mà còn giúp xử lý thông tin không chắc chắn một cách hiệu quả. Các nghiên cứu đã chỉ ra rằng việc sử dụng ngôn ngữ tự nhiên trong mô tả các luật kết hợp mờ giúp người dùng dễ dàng hiểu và áp dụng các tri thức này trong thực tế.

3.1. Tác động đến các lĩnh vực nghiên cứu

Khai phá luật kết hợp mờ đã có tác động lớn đến nhiều lĩnh vực nghiên cứu. Nó không chỉ giúp cải thiện các phương pháp khai thác dữ liệu mà còn mở ra nhiều hướng nghiên cứu mới. Các nhà nghiên cứu hiện nay đang tìm kiếm các phương pháp mới để tối ưu hóa quy trình khai thác, từ đó nâng cao chất lượng của các luật được phát hiện. Việc áp dụng các phương pháp mới như học máy và trí tuệ nhân tạo trong khai thác luật kết hợp mờ hứa hẹn sẽ mang lại nhiều kết quả tích cực trong tương lai.

Luận án nghiên cứu phát triển phương pháp khai phá luật kết hợp mờ bằng thông tin ngôn ngữ