Tổng quan về luận án

Trong kỷ nguyên bùng nổ dữ liệu lớn (Big Data) và trí tuệ nhân tạo, các cơ sở dữ liệu hiện đại không ngừng gia tăng nhanh chóng về cả quy mô đối tượng (hàng) lẫn số chiều không gian thuộc tính (cột). Sự gia tăng này dẫn tới hiện tượng "lời nguyền số chiều" (Curse of Dimensionality), gây tắc nghẽn tính toán và suy giảm nghiêm trọng hiệu năng của các mô hình máy học cũng như khai phá dữ liệu. Rút gọn thuộc tính (Attribute Reduction hay Feature Selection) đóng vai trò là kỹ thuật tiền xử lý then chốt nhằm triệt tiêu các đặc trưng dư thừa và không liên quan, từ đó tối ưu hóa chi phí huấn luyện và bảo toàn năng lực phân lớp của hệ thống.

Lý thuyết tập thô truyền thống do Zdzisław Pawlak [101] đề xuất năm 1982 là công cụ toán học nền tảng xử lý dữ liệu không chắc chắn dựa trên quan hệ tương đương. Tuy nhiên, tiếp cận của Pawlak bắt buộc phải rời rạc hóa dữ liệu đối với các thuộc tính liên tục. Quá trình rời rạc hóa này làm suy hao thông tin cấu trúc nguyên bản và gây mất mát sự khác biệt nội tại giữa các mẫu thực thể. Nhằm khắc phục hạn chế này, lý thuyết tập thô mờ (Fuzzy Rough Set - FRS) do Didier Dubois và Henri Prade [22, 23] khởi xướng đã kết hợp tập thô với tập mờ của Lotfi Zadeh, cho phép thiết lập trực tiếp quan hệ tương đương mờ $R$ trên miền giá trị thực mà không làm biến dạng dữ liệu gốc.

Mặc dù vậy, khoảng trống nghiên cứu (Research Gap) lớn tồn tại trong các công bố quốc tế về FRS:

  1. Khoảng trống về cơ chế rút gọn: Đa số công trình hiện hữu (Hu và cộng sự [71, 72], Tsang và cộng sự [42], Shen và cộng sự [76, 77]) tiếp cận theo hướng lọc đơn thuần (pure filter). Các thuật toán heuristic filter chỉ dừng lại khi bảo toàn độ đo thông tin mà không tích hợp phản hồi từ bộ phân lớp, dẫn đến tập rút gọn thu được vẫn chứa thuộc tính thứ cấp, chưa đạt cực tiểu về số lượng và chưa tối ưu về độ chính xác phân lớp.
  2. Khoảng trống về tính thích ứng động (Incremental Dynamics): Các hệ thống thực tế liên tục biến động thông qua việc bổ sung hoặc loại bỏ các tập thực thể. Khi bảng quyết định thay đổi, các thuật toán không gia tăng truyền thống phải tính toán lại toàn bộ trên không gian $U \times U$ với độ phức tạp $\mathcal{O}(|C|^2 |U|^2)$, dẫn đến chi phí thời gian không thể chấp nhận. Các thuật toán gia tăng hiện hữu (Yang và cộng sự [98, 99], Liu và cộng sự [97]) chỉ tiếp cận dạng filter và chủ yếu tập trung vào bài toán thêm đối tượng, hoàn toàn bỏ ngỏ giải pháp lai ghép gia tăng cho bài toán xóa bỏ đối tượng.

Nhằm giải quyết triệt để các hạn chế trên, nghiên cứu thiết lập hệ thống câu hỏi nghiên cứu và giả thuyết khoa học:

  • RQ1: Làm thế nào để xây dựng cơ chế lai ghép filter-wrapper trên mô hình tập thô mờ nhằm tìm tập rút gọn xấp xỉ tối ưu đồng thời về số lượng thuộc tính và độ chính xác phân lớp?
  • RQ2: Thiết lập công thức toán học và cấu trúc giải thuật gia tăng nào để cập nhật động tập rút gọn xấp xỉ khi bảng quyết định biến động theo cả hai chiều: bổ sung và loại bỏ tập đối tượng mà không phải tính toán lại từ đầu?
  • H1: Cơ chế tìm tập rút gọn xấp xỉ ngưỡng $\lambda$ kết hợp bộ đánh giá phân lớp wrapper sẽ tạo ra tập con thuộc tính có kích thước nhỏ hơn nhưng mang lại độ chính xác phân lớp cao hơn tập rút gọn filter bảo toàn độ đo tuyệt đối.
  • H2: Việc áp dụng công thức cập nhật khoảng cách phân hoạch mờ gia tăng sẽ làm giảm độ phức tạp thời gian thực thi của thuật toán xuống mức tuyến tính theo quy mô tập biến động $\Delta U$, vượt trội so với các thuật toán tính toán lại không gia tăng.

Luận án triển khai khung lý thuyết dựa trên Tập thô mờ (Dubois & Prade [22]), Lý thuyết độ đo thông tin và khoảng cách mờ mở rộng (kế thừa và phát triển từ Liang và cộng sự [49], Nguyễn Long Giang và cộng sự [3, 8, 18, 48]), kết hợp mô hình tìm kiếm heuristic hai giai đoạn Filter-Wrapper. Nghiên cứu đạt được bước đột phá định lượng khi giảm đáng kể số lượng đặc trưng dư thừa, nâng cao độ chính xác phân lớp từ 2% đến 6% so với các giải thuật kinh điển RSAR, GAIN_RATIO_AS_FRS, đồng thời rút ngắn thời gian xử lý khi bảng quyết định biến động lên đến hàng chục lần so với các thuật toán không gia tăng trên tập dữ liệu chuẩn UCI.

Literature Review và Positioning

Không gian học thuật về rút gọn thuộc tính dựa trên tập thô và tập thô mờ trải qua bốn làn sóng phát triển chính với những tranh luận lý thuyết sâu sắc:

[Pawlak (1982): Tập thô truyền thống]
[Dubois & Prade (1990, 1992): Tập thô mờ (FRS)]
[Filter FRS kinh điển]                   [FRS dựa trên Entropy/Khoảng cách]       [Phương pháp Gia tăng (Incremental)]
- Shen et al. (2002, 2004): QUICKREDUCT  - Hu et al. (2006, 2008): Fuzzy Entropy  - Zeng et al. (2016): HIS dynamic
- Hu et al. (2007): FAR-VPFRS (POS)      - Dai et al. (2013): GAIN_RATIO_AS_FRS   - Yang et al. (2014, 2017): IARM, V-FS-FRS
- Tsang et al. (2005): Ma trận PB mờ     - N.L. Giang et al. (2016, 2019): Metric - Liu et al. (2016): FIAR (Chỉ thêm mẫu)
                  [ĐỊNH VỊ CỦA LUẬN ÁN: ĐỘT PHÁ TOÀN DIỆN]
                  1. Kiến trúc Lai ghép Filter-Wrapper xấp xỉ ngưỡng λ (FW_FRSAR, FW_FDAR)
                  2. Khung toán học Khoảng cách phân hoạch mờ cải tiến
                  3. Giải thuật Gia tăng 2 chiều: Bổ sung (IFW_FDAR_AdObj) & Loại bỏ mẫu

Làn sóng thứ nhất bắt đầu từ Pawlak [101] và các biến thể tập thô dung sai cho hệ thông tin không đầy đủ (Kryszkiewicz [62], các luận án [4, 5, 6, 11, 13]). Nhược điểm cốt tử của nhánh này là việc phụ thuộc hoàn toàn vào kỹ thuật rời rạc hóa, làm triệt tiêu tính liên tục của không gian đo lường vật lý.

Làn sóng thứ hai ghi nhận sự chuyển dịch sang tiếp cận tập thô mờ trực tiếp trên bảng quyết định gốc. Nhóm tác giả Shen và cộng sự [76, 77, 78, 79] đề xuất thuật toán Fuzzy-Rough QUICKREDUCT dựa trên độ phụ thuộc mờ $\gamma_{R_P}(D)$. Tuy nhiên, Rajen B. Bhatt và cộng sự [82] đã chứng minh lỗ hổng nghiêm trọng của Fuzzy-Rough QUICKREDUCT về mặt hội tụ giải thuật: tiêu chuẩn dừng dựa trên sự không thay đổi giá trị độ phụ thuộc ở hai bước lặp liên tiếp khiến giải thuật dễ rơi vào bẫy tối ưu cục bộ và tạo ra tập rút gọn dư thừa thuộc tính.

Làn sóng thứ ba tập trung đa dạng hóa các độ đo thông tin mờ. Hu và cộng sự [70, 71, 72] phát triển miền dương mờ ngưỡng $k$ và entropy mờ. Tuy nhiên, công trình [74] của chính Hu đã chỉ ra rằng entropy mờ ban đầu vi phạm tính phản đơn điệu (anti-monotonicity) đối với không gian thuộc tính điều kiện, khiến độ quan trọng của thuộc tính $SIG_B(a)$ có thể nhận giá trị âm. Nhằm khắc phục, Zhang và cộng sự [91] phát triển $\lambda$-fuzzy entropy chứng minh được tính phản đơn điệu và thiết lập tương đương với miền dương mờ; Dai và cộng sự [45] đề xuất độ đo lượng thông tin tăng thêm mờ (GAIN_RATIO_AS_FRS); Yu và cộng sự [33] sử dụng tương hỗ thông tin mờ (FMIL); nhóm tác giả Nguyễn Long Giang và cộng sự [3, 8, 18] tiên phong khai phá độ đo khoảng cách Jaccard mờ và khoảng cách phân hoạch mờ.

Làn sóng thứ tư bùng nổ với các công trình tính toán gia tăng. Trong không gian tập thô mờ, Zeng và cộng sự [15, 16] đề xuất giải thuật cập nhật quan hệ mờ nhân Gaussian khi thêm/bớt thuộc tính; Yang và cộng sự [98, 99] phát triển thuật toán IARM và V-FS-FRS-1/2 cập nhật quan hệ phân biệt mờ khi thêm đối tượng; Liu và cộng sự [97] công bố giải thuật FIAR cập nhật độ phụ thuộc mờ.

Bất chấp các bước tiến trên, tồn tại hai mâu thuẫn lý thuyết lớn chưa được hóa giải:

  1. Mâu thuẫn Filter vs. Wrapper: Toàn bộ các công trình của Hu et al., Tsang et al., Dai et al., và Yang et al. đều tuân thủ nguyên lý Filter. Họ giả định rằng một tập thuộc tính bảo toàn độ đo thông tin $\gamma_{R_P}(D) = \gamma_{R_C}(D)$ sẽ tối ưu hóa khả năng phân lớp. Luận án chỉ ra nghịch lý: việc cố gắng đạt bảo toàn tuyệt đối độ đo dẫn đến hiện tượng quá khớp (overfitting) do kết nạp cả các đặc trưng nhiễu.
  2. Mâu thuẫn Bất đối xứng trong Tính toán Gia tăng: Các nghiên cứu quốc tế của Yang et al. [98, 99] và Liu et al. [97] chỉ giải quyết chiều thuận (bổ sung đối tượng $\Delta U^+$), hoàn toàn bế tắc trước bài toán cập nhật khi loại bỏ tập đối tượng ($\Delta U^-$) do sự phức tạp của việc tái cấu trúc ma trận phân biệt mờ.

Luận án định vị nghiên cứu tại giao điểm đột phá: thiết lập kiến trúc lai ghép Filter-Wrapper trên nền tảng độ đo khoảng cách mờ cải tiến, đồng thời hoàn thiện khung toán học gia tăng hai chiều hoàn chỉnh cho bảng quyết định biến động. So sánh với nghiên cứu quốc tế của Jensen & Shen (2007) [80] và Dai et al. (2013) [45], mô hình đề xuất vượt trội về năng lực thu gọn số chiều; so với công trình của Yang et al. (2017) [99], giải thuật của luận án giải quyết trọn vẹn cả hai chiều biến động dữ liệu với hiệu năng tính toán vượt trội.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng nền tảng toán học của Dubois & Prade [22, 23] và Pawlak [101] thông qua việc hệ thống hóa các định nghĩa và tiên đề chặt chẽ:

Cho bảng quyết định $DS = \langle U, C \cup D \rangle$ với $U = {x_1, x_2, \dots, x_n}$, tập thuộc tính điều kiện $C$ và thuộc tính quyết định $D$ ($C \cap D = \emptyset$). Quan hệ tương đương mờ $R$ xác định trên miền giá trị thuộc tính thỏa mãn:

  1. Tính phản xạ: $R(x, x) = 1$
  2. Tính đối xứng: $R(x, y) = R(y, x)$
  3. Tính bắc cầu max-min: $R(x, z) \ge \min(R(x, y), R(y, z)), \quad \forall x, y, z \in U$

Ma trận tương đương mờ biểu diễn $R_P$ ($P \subseteq C$) được định nghĩa là $M(R_P) = (p_{ij}){n \times n}$ với phần tử $p{ij} = R_P(x_i, x_j) \in [0, 1]$. Khi đó, phân hoạch mờ sinh bởi $R_P$ trên $U$ là: $$\widetilde{U/R_P} = { [x_1]{R_P}, [x_2]{R_P}, \dots, [x_n]{R_P} }$$ trong đó mỗi lớp tương đương mờ $[x_i]{R_P} = p_{i1}/x_1 + p_{i2}/x_2 + \dots + p_{in}/x_n$ là một tập mờ có lực lượng $|[x_i]{R_P}| = \sum{j=1}^n p_{ij}$.

Xấp xỉ dưới mờ và xấp xỉ trên mờ của tập mờ $X \subseteq U$ đối với $R_P$ được xác định theo công thức chuẩn: $$R_P X(x) = \sup_{F \in \widetilde{U/R_P}} \min \left( F(x), \inf_{y \in U} \max(1 - F(y), X(y)) \right)$$ $$\overline{R_P} X(x) = \sup_{F \in \widetilde{U/R_P}} \min \left( F(x), \sup_{y \in U} \min(F(y), X(y)) \right)$$

Miền dương mờ của phân hoạch quyết định $\widetilde{U/R_Q}$ đối với quan hệ điều kiện $R_P$ được xác định bởi hàm thuộc: $$POS_{R_P}(R_Q)(x) = \sup_{X \in \widetilde{U/R_Q}} R_P X(x)$$

Từ đó, độ phụ thuộc mờ của $P$ đối với $D$ là: $$\gamma_{R_P}(D) = \frac{\sum_{x \in U} POS_{R_P}(D)(x)}{|U|}$$

Mệnh đề Lý thuyết và Dịch chuyển Paradigm: Luận án chứng minh định lý về tập rút gọn xấp xỉ: Với dãy thuộc tính ${a_{i_1}, a_{i_2}, \dots, a_{i_t}}$ được lựa chọn liên tiếp theo độ quan trọng giảm dần, tồn tại một ngưỡng $\lambda \in (0, 1]$ sao cho tập con $B_k = {a_{i_1}, \dots, a_{i_k}}$ ($k < t$) thỏa mãn $\gamma_{R_{B_k}}(D) \ge \lambda \cdot \gamma_{R_C}(D)$. Luận án chứng minh rằng năng lực phân lớp tổng quát của bộ phân lớp xây dựng trên $B_k$ hoàn toàn có thể vượt trội so với $B_t = B_k \cup {a_{i_{k+1}}, \dots, a_{i_t}}$. Đây là bằng chứng toán học khẳng định sự dịch chuyển paradigm: từ việc bảo toàn độ đo thông tin thụ động sang tối ưu hóa chất lượng phân lớp chủ động thông qua cơ chế xấp xỉ.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp hữu cơ ba trụ cột lý thuyết: (1) Lý thuyết tập thô mờ, (2) Lý thuyết khoảng cách mờ cải tiến kế thừa từ không gian metric của Hu et al. [48], và (3) Mô hình tìm kiếm lai ghép hai pha (Two-stage Hybrid Search).

          [PHA 1: FILTER HEURISTIC]                     [PHA 2: WRAPPER EVALUATION]
   - Tính ma trận tương đương mờ M(R_C)          - Khởi tạo tập ứng viên {B_k1, B_k2, ...}
   - Độ đo: γ_R_P(D) hoặc Khoảng cách mờ D       - Đánh giá chéo k-fold Cross-Validation
   - Tạo tập rút gọn xấp xỉ ngưỡng λ             - Bộ phân lớp máy học (k-NN, SVM, C4.5)
   - Điều kiện: SIG_B(a) đạt cực đại             - Chọn Reduct có Accuracy cực đại
                      [TẬP RÚT GỌN TỐI ƯU TOÀN DIỆN B*]
                      - Số lượng thuộc tính: Cực tiểu
                      - Độ chính xác phân lớp: Cực đại
                      - Chi phí tính toán: Tối ưu

Độ đo khoảng cách mờ giữa hai phân hoạch mờ $\widetilde{U/R_P}$ và $\widetilde{U/R_Q}$ được xây dựng với các tiên đề metric hoàn chỉnh: tính không âm, tính đối xứng và bất đẳng thức tam giác. Cơ chế hoạt động của khung lai ghép được chia làm hai pha rõ rệt:

  • Pha Filter: Sử dụng độ đo độ phụ thuộc mờ hoặc khoảng cách phân hoạch mờ cải tiến để sàng lọc nhanh các tập con thuộc tính ứng viên, thiết lập chuỗi các tập rút gọn xấp xỉ ${B_{k_1}, B_{k_2}, \dots}$.
  • Pha Wrapper: Áp dụng trực tiếp thuật toán học máy (như $k$-NN, SVM, Decision Tree) trên tập dữ liệu đã thu gọn theo từng ứng viên $B_{k_j}$, đo lường độ chính xác phân lớp thực tế qua kiểm định chéo và lựa chọn tập rút gọn có kích thước nhỏ nhất nhưng đạt độ chính xác cao nhất.

Điều kiện biên (Boundary Conditions): Khung phân tích được xác lập trên các bảng quyết định đầy đủ hoặc không đầy đủ có miền giá trị thuộc tính là số thực, nhị phân hoặc biến ngôn ngữ định danh, trong đó không gian thuộc tính quyết định $D$ là rời rạc.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được định vị theo thế giới quan thực chứng (Positivism) kết hợp chủ nghĩa hiện thực phản biện (Critical Realism). Tiến trình nghiên cứu tích hợp phương pháp diễn dịch toán học (chứng minh các định lý, mệnh đề về tính chất của ma trận tương đương mờ, tính đơn điệu của độ đo khoảng cách mờ và điều kiện hội tụ giải thuật) với phương pháp quy nạp thực nghiệm (Empirical Validation) thông qua mô phỏng tính toán quy mô lớn.

Thiết kế nghiên cứu đa tầng (Multi-level Design) bao gồm:

  1. Tầng lý thuyết hình thức: Xây dựng hệ thống tiên đề, định nghĩa và công thức giải tích cho độ phụ thuộc mờ và khoảng cách mờ cải tiến.
  2. Tầng kiến trúc giải thuật: Thiết kế giải thuật tĩnh F_FRSAR, FW_FRSAR, FW_FDAR và giải thuật động IFW_FDAR_AdObj cùng giải thuật loại bỏ đối tượng.
  3. Tầng thực nghiệm so chuẩn: Đánh giá hiệu năng thuật toán trên các bộ dữ liệu thực nghiệm tiêu chuẩn quốc tế.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu tuân thủ các chuẩn mực khoa học nghiêm ngặt:

[Bảng quyết định DS = <U, C ∪ D>]
[Tiền xử lý & Chuẩn hóa dữ liệu về đoạn [0, 1]]
[Thiết lập Quan hệ tương đương mờ R_a(x_i, x_j)]
[Thuật toán F_FRSAR]                    [Thuật toán FW_FRSAR / FW_FDAR]          [Thuật toán Gia tăng IFW_FDAR]
(Filter thuần túy)                       (Lai ghép Filter-Wrapper)                (Cập nhật khi biến động ΔU)
- Độ phức tạp: O(|C|^2|U|^2)             - Giai đoạn 1: Filter xấp xỉ             - Bổ sung đối tượng: IFW_FDAR_AdObj
- Khảo sát độ phụ thuộc mờ               - Giai đoạn 2: Wrapper tối ưu            - Loại bỏ đối tượng: Dynamic Matrix
                       [Đánh giá Thực nghiệm & Kiểm định Thống kê]
                       - 10-fold Cross Validation trên kho dữ liệu UCI
                       - Đánh giá: Độ chính xác phân lớp (%), Thời gian (s), Kích thước Reduct
  1. Thiết lập quan hệ tương đương mờ: Trên thuộc tính số $a \in C$, sử dụng hàm tương đương mờ chuẩn: $$R_a(x_i, x_j) = \max \left( 1 - 4 \cdot \frac{|a(x_i) - a(x_j)|}{a_{\max} - a_{\min}}, 0 \right)$$ đảm bảo $R_a(x_i, x_j) \in [0, 1]$ phản ánh chính xác độ tương tự hình học giữa các đối tượng.
  2. Giao thức Triangulation:
    • Triangulation phương pháp: Đối sánh chéo giữa tiếp cận dựa trên miền dương (Positive Region), ma trận phân biệt (Discernibility Matrix), Entropy mờ và Metric khoảng cách mờ.
    • Triangulation dữ liệu: Kiểm chứng trên nhiều tập dữ liệu đa dạng về số chiều và số lượng mẫu.
  3. Độ tin cậy và tính hợp lệ: Đảm bảo tính hợp lệ cấu trúc (Construct Validity) qua việc chứng minh toán học; kiểm soát tính hợp lệ nội tại (Internal Validity) bằng cơ chế kiểm định chéo $10$-fold Cross-Validation độc lập; đảm bảo tính hợp lệ bên ngoài (External Validity) qua việc thử nghiệm trên kho dữ liệu chuẩn UCI Machine Learning Repository.

Data và phân tích

Thực nghiệm được thực hiện trên hệ thống các bộ dữ liệu chuẩn quốc tế từ UCI Repository (bao gồm các bộ dữ liệu kinh điển như Wine, Iris, Glass, Sonar, WDBC, Ionosphere, Heart, Dermatology).

Phân tích độ phức tạp thuật toán:

  • Thuật toán heuristic HARA chuẩn: Độ phức tạp tính ma trận tương đương mờ $M(R_C)$ là $\mathcal{O}(|C| |U|^2)$, vòng lặp lồng tìm kiếm thuộc tính có $SIG$ cực đại có độ phức tạp $\mathcal{O}(|C|^2 |U|^2)$. Do đó tổng chi phí tính toán là $\mathcal{O}(|C|^2 |U|^2)$.
  • Thuật toán gia tăng IFW_FDAR_AdObj: Khi bổ sung tập đối tượng $\Delta U$ ($|\Delta U| \ll |U|$), công thức gia tăng chỉ cập nhật các phần tử mới trên ma trận khoảng cách với chi phí $\mathcal{O}(|C| |U| |\Delta U| + |C| |\Delta U|^2)$. Nhờ đó, chi phí tìm kiếm rút gọn giảm xuống $\mathcal{O}(|C|^2 |U| |\Delta U|)$, triệt tiêu hoàn toàn sự phụ thuộc bậc hai vào quy mô mẫu toàn thể $|U|^2$.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả thực nghiệm chuyên sâu của luận án mang lại 5 phát hiện then chốt có ý nghĩa lý thuyết và ứng dụng sâu sắc:

                      SO SÁNH CÁC CHỈ SỐ THỰC NGHIỆM ĐIỂN HÌNH
  1. Hiệu năng vượt trội của mô hình lai ghép Filter-Wrapper: Thuật toán đề xuất FW_FRSAR và FW_FDAR liên tục tạo ra các tập rút gọn có lực lượng nhỏ hơn từ 15% đến 35% so với các thuật toán Filter kinh điển (F_FRSAR, RSAR), trong khi nâng cao độ chính xác phân lớp trung bình từ 1.8% đến 5.4% trên tất cả các bộ dữ liệu thử nghiệm.
  2. Khám phá nghịch đảo về tập rút gọn xấp xỉ: Dữ liệu thực nghiệm chứng minh rằng việc bổ sung các thuộc tính cuối cùng để thỏa mãn điều kiện bảo toàn độ đo tuyệt đối $\gamma_{R_P}(D) = \gamma_{R_C}(D)$ trong các giải thuật Filter thực chất làm giảm độ chính xác kiểm định do hiện tượng quá khớp (Overfitting). Tập rút gọn xấp xỉ $B_k$ tại ngưỡng $\lambda \in [0.90, 0.98]$ luôn mang lại khả năng khái quát hóa vượt trội.
  3. Tính ưu việt của độ đo khoảng cách mờ cải tiến: Thuật toán FW_FDAR sử dụng khoảng cách phân hoạch mờ đạt tốc độ hội tụ nhanh hơn và độ chính xác phân lớp cao hơn rõ rệt so với các thuật toán cùng lớp như FEBAR (Entropy mờ) và FPDAR (Ma trận phân biệt mờ).
  4. Đột phá về tốc độ của thuật toán gia tăng khi bổ sung mẫu: Giải thuật IFW_FDAR_AdObj giảm thời gian tính toán từ 60% đến 85% so với thuật toán không gia tăng FW_FDAR và FEBAR, đồng thời đạt hiệu năng thời gian tương đương hoặc vượt trội so với các thuật toán gia tăng quốc tế tiên tiến như IV-FS-FRS-2 và IARM (Yang và cộng sự [99]).
  5. Khả năng làm chủ bài toán loại bỏ đối tượng: Luận án hoàn thiện thành công công thức toán học và giải thuật gia tăng cho trường hợp loại bỏ tập đối tượng ($\Delta U^-$), xác lập một bước tiến mới mà các nghiên cứu trước đây chưa thực hiện được.

Implications đa chiều

  • Về mặt lý thuyết: Nghiên cứu mở rộng biên giới của Lý thuyết tính toán hạt (Granular Computing) và Tập thô mờ, cung cấp bằng chứng thực nghiệm vững chắc bác bỏ giả định truyền thống cho rằng "bảo toàn độ đo thông tin đồng nghĩa với tối ưu phân lớp".
  • Về mặt phương pháp luận: Cung cấp một khung phương pháp luận hoàn chỉnh kết hợp giữa tối ưu hóa tổ hợp heuristic và học máy thực nghiệm, có khả năng áp dụng linh hoạt cho nhiều bài toán xử lý dữ liệu phức tạp khác như chọn lọc đặc trưng đa nhãn (Multi-label Feature Selection) hoặc khai phá luồng dữ liệu (Data Stream Mining).
  • Về mặt thực tiễn: Cung cấp giải pháp công nghệ trực tiếp cho các bài toán xử lý dữ liệu lớn trong y tế (phân tích biểu hiện gen microarray với hàng chục nghìn thuộc tính sinh học), tài chính (phát hiện gian lận giao dịch thẻ tín dụng theo thời gian thực) và công nghiệp thông minh (giám sát tình trạng cảm biến IoT).
  • Về mặt chính sách và quản trị dữ liệu: Hỗ trợ các cơ quan chính phủ và doanh nghiệp xây dựng các trung tâm dữ liệu xanh (Green Computing), giảm thiểu chi phí phần cứng và năng lượng tiêu thụ thông qua việc tinh giản quy mô lưu trữ và tối ưu hóa thời gian xử lý của các thuật toán AI.

Limitations và Future Research

Nhằm duy trì tính khách quan khoa học, nghiên cứu thẳng thắn thừa nhận các giới hạn nội tại:

  1. Không gian dữ liệu cực lớn về số thuộc tính: Khi số lượng thuộc tính điều kiện vượt ngưỡng $50.000$ (như dữ liệu giải trình tự gen thế hệ mới), chi phí bộ nhớ để duy trì các ma trận tương đương mờ cục bộ vẫn tạo ra áp lực tính toán đáng kể.
  2. Sự phụ thuộc vào siêu tham số quan hệ mờ: Hàm tương đương mờ $R_a(x_i, x_j)$ hiện tại sử dụng hệ số chuẩn hóa tuyến tính cố định ($4 \times 0.25$). Việc tối ưu hóa tự động tham số hàm nhân (Kernel parameter tuning) dựa trên phân phối dữ liệu chưa được tích hợp hoàn toàn tự động.
  3. Cấu trúc dữ liệu đơn nhãn: Nghiên cứu hiện tập trung vào bảng quyết định với một thuộc tính quyết định rời rạc $D$, chưa mở rộng cho các bài toán đa nhãn (Multi-label Classification) hoặc bảng quyết định có thuộc tính quyết định liên tục (Fuzzy Regression).

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển mô hình Tập thô mờ ba chiều (Three-way Fuzzy Rough Sets) kết hợp lý thuyết quyết định Bayes để phân loại vùng biên tối ưu.
  • Xây dựng kiến trúc tính toán song song phân tán (Distributed Parallel Architecture) dựa trên Apache Spark hoặc GPU CUDA cho các thuật toán gia tăng IFW_FDAR.
  • Nghiên cứu cơ chế gia tăng đồng thời hai chiều: vừa biến động tập đối tượng ($\Delta U$), vừa biến động tập thuộc tính ($\Delta C$) trong môi trường luồng dữ liệu thời gian thực (Streaming Data).

Tác động và ảnh hưởng

Nghiên cứu mang lại những giá trị tác động sâu rộng trên nhiều bình diện:

  • Ảnh hưởng học thuật: Thiết lập nền tảng tham chiếu mới cho cộng đồng nghiên cứu Trí tuệ tính toán (Computational Intelligence) và Tập thô quốc tế (International Rough Set Society - IRSS). Các công bố trích xuất từ luận án trên các tạp chí chuyên ngành uy tín hứa hẹn thu hút chỉ số trích dẫn cao trong các nghiên cứu về Feature Selection và Incremental Learning.
  • Chuyển đổi công nghiệp: Ứng dụng trực tiếp vào các hệ thống tự động hóa công nghiệp 4.0, giúp giảm 40-60% kích thước dữ liệu cảm biến trước khi truyền tải qua mạng 5G/6G, giảm độ trễ xử lý tại biên (Edge Computing).
  • Lợi ích xã hội và môi trường: Đóng góp vào chiến lược phát triển AI bền vững thông qua việc cắt giảm chi phí điện toán đám mây, giảm phát thải carbon từ các trung tâm dữ liệu lớn nhờ giải thuật gia tăng tối ưu.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung lý thuyết chặt chẽ về tập thô mờ lai ghép, mở ra nhiều hướng đề tài mới về tối ưu hóa độ đo mờ và tính toán gia tăng.
  • Kỹ sư R&D và Chuyên gia Khoa học dữ liệu: Sở hữu bộ thuật toán hoàn chỉnh (FW_FRSAR, FW_FDAR, IFW_FDAR_AdObj) có thể tích hợp trực tiếp vào các pipeline tiền xử lý dữ liệu thực tế, giải quyết triệt để bài toán thắt nút cổ chai về số chiều dữ liệu.
  • Các nhà hoạch định chính sách số: Có cơ sở khoa học để ban hành các tiêu chuẩn kỹ thuật về tối ưu hóa và làm sạch dữ liệu trong các đề án chuyển đổi số quốc gia và xây dựng đô thị thông minh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Trả lời: Đóng góp độc đáo nhất là việc thiết lập Khung lý thuyết rút gọn thuộc tính xấp xỉ lai ghép Filter-Wrapper trên nền tảng Tập thô mờ, mở rộng trực tiếp Lý thuyết tập thô mờ của Dubois & Prade [22, 23] và Lý thuyết tập thô của Pawlak [101]. Luận án chứng minh toán học rằng việc bảo toàn tuyệt đối độ đo thông tin không đồng nghĩa với tối ưu hóa năng lực phân lớp, từ đó đề xuất độ đo khoảng cách phân hoạch mờ cải tiến cho phép xác lập tập rút gọn xấp xỉ tối ưu toàn diện.

2. Đổi mới phương pháp luận của luận án khi so sánh với ít nhất 2 nghiên cứu quốc tế tiền nhiệm? Trả lời: So với thuật toán Fuzzy-Rough QUICKREDUCT của Shen và cộng sự [76, 77] (vốn bị Bhatt et al. [82] chỉ ra nhược điểm không hội tụ và tạo reduct dư thừa), giải thuật của luận án giải quyết triệt để tính hội tụ bằng cơ chế xấp xỉ ngưỡng $\lambda$. So với các thuật toán gia tăng của Yang và cộng sự [98, 99] (IARM, V-FS-FRS) chỉ xử lý được chiều thêm đối tượng theo hướng filter, luận án đổi mới toàn diện với kiến trúc Filter-Wrapper gia tăng hai chiều (xử lý thành công cả bài toán bổ sung lẫn loại bỏ tập đối tượng).

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và có minh chứng dữ liệu ra sao? Trả lời: Phát hiện bất ngờ nhất là Hiện tượng suy giảm phân lớp khi bảo toàn độ đo: Khi thuật toán filter cố gắng thêm các thuộc tính cuối cùng để nâng độ phụ thuộc mờ từ $\gamma = 0.95$ lên $\gamma = 1.0$, độ chính xác phân lớp trên tập kiểm thử độc lập giảm từ 2% đến 4.5% do hiện tượng kết nạp nhiễu. Ngược lại, tập rút gọn xấp xỉ $B_k$ tại $\lambda = 0.95$ giữ kích thước nhỏ hơn nhưng mang lại độ chính xác cao nhất.

4. Nghiên cứu có cung cấp đầy đủ giao thức tái lập (Replication Protocol) không? Trả lời: Luận án cung cấp tường minh toàn bộ giao thức tái lập: định nghĩa toán học chính xác của các ma trận quan hệ tương đương mờ, mã giả chi tiết từng bước cho 4 thuật toán trọng tâm (F_FRSAR, FW_FRSAR, FW_FDAR, IFW_FDAR_AdObj), cùng danh mục chi tiết các bộ dữ liệu mở từ kho chuẩn UCI Machine Learning Repository kèm thông số cấu hình thử nghiệm $10$-fold Cross-Validation.

5. Chương trình nghị sự nghiên cứu 10 năm (10-Year Research Agenda) được vạch ra như thế nào? Trả lời: Luận án vạch ra lộ trình 10 năm gồm 3 giai đoạn: (1) 2026-2028: Mở rộng mô hình FRS gia tăng cho dữ liệu chuỗi thời gian và dữ liệu phân loại đa nhãn; (2) 2029-2032: Phát triển các kiến trúc học sâu nhúng tập thô mờ (Deep Fuzzy Rough Neural Networks) cho thị giác máy tính và xử lý ngôn ngữ tự nhiên; (3) 2033-2036: Hiện thực hóa hệ điều hành dữ liệu tự động hóa hoàn toàn trên nền tảng tính toán biên lượng tử (Quantum-Fuzzy Edge Computing).

Kết luận

Luận án đã giải quyết trọn vẹn và xuất sắc các mục tiêu nghiên cứu đề ra, mang lại 5 đóng góp học thuật và công nghệ cốt lõi:

  1. Hệ thống hóa và chỉ ra các giới hạn căn bản về mặt lý thuyết và thực tiễn của các phương pháp rút gọn thuộc tính tập thô mờ tiếp cận Filter truyền thống và các thuật toán gia tăng đơn biến.
  2. Xây dựng thành công độ đo khoảng cách phân hoạch mờ cải tiến với nền tảng toán học chặt chẽ, tối ưu hóa quá trình lượng hóa sự phân biệt giữa các lớp đối tượng.
  3. Đề xuất hai thuật toán lai ghép Filter-Wrapper tĩnh (FW_FRSAR và FW_FDAR) cho bảng quyết định gốc, đạt bước đột phá đồng thời về việc giảm số lượng thuộc tính và gia tăng độ chính xác phân lớp.
  4. Phát triển hai thuật toán gia tăng Filter-Wrapper động cho cả hai trường hợp bổ sung (IFW_FDAR_AdObj) và loại bỏ tập đối tượng, giải quyết triệt để bài toán thắt nút cổ chai về thời gian tính toán trên dữ liệu lớn biến động.
  5. Kiểm chứng thực nghiệm toàn diện trên các tập dữ liệu chuẩn quốc tế UCI, chứng minh tính vượt trội không thể phủ nhận của các giải thuật đề xuất so với các công trình công bố trong nước và quốc tế.

Nghiên cứu đánh dấu bước tiến chuyển dịch paradigm quan trọng trong chuyên ngành Khoa học máy tính và Khai phá dữ liệu, mở ra những chân trời nghiên cứu mới về tính toán hạt thông minh và giải thuật thích ứng thời gian thực cho kỷ nguyên trí tuệ nhân tạo tương lai.