MỞ ĐẦU 1. Nhu cầu và ý nghĩa của phân cụm và phân cụm mờ Ngày nay, với sự phát triển về mọi mặt của đời sống từ kinh tế, văn hóa, giáo dục cho đến công nghệ và đặc biệt, lĩnh vực công nghệ thông tin đã có những bước phát triển chóng mặt. Công nghệ thông tin ngày càng khẳng định vai trò quan trọng, làm trung tâm chi phối mọi hoạt động, là cầu nối trao đổi thông tin giữa các thành phần của xã hội toàn cầu, của mọi vấn đề. Như một hệ quả tất nhiên, lượng thông tin, dữ liệu được được thu thập, lưu trữ cũng ngày một lớn hơn và đang phát triển một cách bùng nổ trong những năm gần đây.
Chính vì vậy, câu hỏi làm thế nào để trích xuất ra các thông tin, các tri thức từ lượng dữ liệu khổng lồ đó đang là thách thức cũng như mang lại cơ hội nghiên cứu, khám phá cho các nhà khoa học. Khai phá dữ liệu là quá trình xử lý dữ liệu và nhận biết các mẫu và các xu hướng trong thông tin để có thể giúp người dùng đưa ra quyết định hoặc đánh giá. Có nhiều bài toán khai phá dữ liệu như phân lớp, phân cụm, hồi quy, v., trong đó bài toán phân cụm dữ liệu là bài toán tương đối phổ biến và có nhiều ứng dụng. Phân cụm dữ liệu là việc sắp xếp các đối tượng dữ liệu vào từng cụm sao cho các phần tử trong cùng một cụm có mức độ tương tự là cao nhất và hai phần tử bất kỳ ở hai cụm khác nhau có mức độ tương tự là thấp nhất.
Việc phân cụm như vậy giúp cho việc khai phá dữ liệu, đặc biệt là các bài toán dữ liệu lớn trở nên hiệu quả khi các dữ liệu được phân thành các nhóm với các tính chất đặc trưng. Việc phân cụm này đặc biệt hiệu quả khi dữ liệu có phân bố các cụm tách rời nhau và không chứa nhiễu. Tuy nhiên, với các bộ dữ liệu có sự phân bố các cụm xen kẽ, dữ liệu không chắc chắn, dữ liệu chứa nhiễu hoặc thiếu một số thuộc tính thì cách phân cụm như vậy không hiệu quả. Trên thực tế, mỗi một phần tử trong bộ dữ liệu có thể thuộc về nhiều cụm dữ liệu với các mức độ khác nhau.
Để giải quyết vấn đề này, dựa trên lý thuyết về tập mờ của Zadeh [98], Bezdek [12] đã đưa ra thuật toán phân cụm mờ - Fuzzy C-means (FCM) nhằm giải quyết các nhược điểm trên. Thuật toán này được xem như một trong những phương pháp trích rút các quy tắc và luật mờ trong khai phá dữ liệu, trong đó các yếu tố mờ thực sự phổ biến [26, 73, 106]. Phân cụm mờ có nhiều ứng dụng trong thực tế cuộc sống ở nhiều lĩnh vực khác nhau như: 9 TIEU LUAN MOI download : skknchat@gmail.com - Trong kinh tế: dự báo tỉ giá, dự báo chứng khoán, dự báo tài chính [91-92] - Trong y khoa: Hỗ trợ chuẩn đoán hình ảnh, hỗ trợ tư vấn khám bệnh [1,7,15,16,19,47,51,71,74,95] - Trong thủy văn: dự báo thời tiết ngắn hạn [76] - Trong xử lý ảnh: Phân đoạn ảnh [50,102] - Trong hệ tư vấn: hỗ trợ ra quyết định [44,52] - Trong an ninh: phát hiện lỗi, xâm nhập [46,104] - Trong mạng không dây: đặt các cảm biến, phương pháp truyền tin [2,61] Trong các ứng dụng của phân cụm mờ, bài toán dự báo thời tiết ngắn hạn nổi bật bởi việc kết hợp các kết quả của phân cụm với xử lý ảnh để đưa ra ảnh dự báo đầu ra. Dự báo thời tiết là một ứng dụng khoa học và công nghệ để dự đoán trạng thái của bầu khí quyển tại một vị trí nhất định và nó đóng một vai trò quan trọng trong cuộc sống hàng ngày của con người.
Các dự báo thời tiết có độ chính xác cao sẽ làm giảm những rủi ro mà con người có thể phải đối mặt. Một trong những phần quan trọng nhất của dự báo thời tiết là dự báo thời tiết ngắn hạn [87]. Dự báo thời tiết ngắn hạn kết hợp mô tả về trạng thái hiện tại của khí quyển và dự báo ngắn hạn về khí quyển sẽ xẩy ra trong vài giờ tiếp theo [33]. Điều này cho phép nó có thể dự báo các tính chất thời tiết trong ngắn hạn như mưa, mây và các cơn bão với các nguyên nhân rõ ràng trong khoảng thời gian này, theo [58].
Các dữ liệu rada mới nhất, dữ liệu vệ tinh và dữ liệu dựa trên quan sát được sử dụng để phân tích các biến đổi trong phạm vi hẹp như một thành phố và thực hiện một dự báo chính xác cho khoảng thời gian vài giờ sau. Tuy nhiên, quan sát vệ tinh là sự lựa chọn thích hợp cho tất cả các khu vực trong vùng phủ sóng của nó [57,72]. Một vài phương pháp điển hình được sử dụng rộng rãi trong dự báo thời tiết dựa theo các quan sát của hình ảnh vệ tinh cụ thể như [29,59,75-76]. Đặc biệt, Evans [29] sử dụng mô hình tương quan đa kênh cho việc gán nhãn để phân tích chuyển động đám mây.
Melgani [59] xây dựng lại bối cảnh hình ảnh đa thời gian và đa quang phổ bị nhiễu đám mây. Shukla và Pal [75] đề xuất một cách tiếp cận để nghiên cứu sự tiến hóa của các tế bào đối lưu. 10 TIEU LUAN MOI download : skknchat@gmail.com Shukla, Kishtawal và Pal [76] đề xuất một phương pháp để dự đoán các chuỗi hình ảnh vệ tinh kết hợp mô hình hồi quy không thời gian (STAR) với phân cụm mờ (Fuzzy C-Means - FCM) để tăng độ chính xác dự báo. Mặc dù kỹ thuật này đã cho kết quả dự báo tốt hơn so với các phương pháp trong [29,59,75], tuy nhiên nó vẫn không đủ tốt vì những hạn chế của các tập mờ như độ do dự và mơ hồ.
Park và Lee [69] trình bày một cách tiếp cận bằng suy diễn mờ và phương pháp tập hợp để dự báo thủy triều đỏ. Theo cách tiếp cận này, suy diễn mờ là một phương pháp dự đoán xuất phát từ một đề xuất gần đúng từ thông tin mơ hồ và kiến thức dựa trên một mô hình mờ. Phương pháp tập hợp sau đó đã được sử dụng để giúp cải thiện độ chính xác của kết quả phân loại và dự đoán. Các tác giả trong [62] đã so sánh các mô hình mạng neuron nhân tạo riêng lẻ và kết hợp (ANN) cho bài toán dự đoán nhiệt độ không khí và điểm sương.
Mô hình này được phát triển theo kiến trúc mạng Ward [90] bao gồm một mạng nơ ron ba lớp với các lớp đầu vào, ẩn và đầu ra. Mặc dù dự đoán dựa trên ANN có thể cho độ chính xác cao hơn, nó vẫn có trở ngại bởi một số tham số như hàm khởi động, số lượng các nút trong lớp ẩn, phân phối các nút giữa các lớp của mô hình theo kiểu Ward phải xác định. Các tiếp cận chính đối với phân cụm mờ Các yêu cầu về hệ thống thông minh và tự động đặt FCM vào thách thức lớn trong các ứng dụng như phân tích dữ liệu, nhận dạng mẫu, phân đoạn ảnh, phân tích nhóm vị trí, ảnh vệ tinh và phân tích tài chính. Một số phương pháp cải tiến hoặc lai ghép kết hợp FCM với một số thuật toán tối ưu khác được trình bày trong [6, 7, 23, 40, 65, 85, 86, 101] nhằm nâng cao chất lượng phân cụm.
Tuy nhiên, chất lượng phân cụm của FCM thường không đủ tốt do thuật toán này được cài đặt trên cơ cở của các tập mờ truyền thống, trong đó vẫn có những giới hạn về độ thuộc, sự do dự và mơ hồ của các tham số mẫu. Chính vì vậy việc nghiên cứu các thuật toán phân cụm trên các tập mờ nâng cao nhằm mục tiêu giải quyết các nhược điểm này. Đến nay đã có rất nhiều thuật toán phân cụm trên các tập mờ nâng cao như thuật toán phân cụm trên tập mờ loại 2 (T2FS) [57], tập mờ trực cảm, v. mang lại chất lượng phân cụm tốt hơn.
Nhiều thuật toán phân cụm dựa trên tập mờ loại 2 (T2FS) [57] được đề xuất như trong [38, 41, 55, 64, 66, 88]. Những thuật toán này tập trung vào sự không chắc chắn với bộ mờ hóa mở rộng nhằm điều khiển độ mờ trong FCM. 11 TIEU LUAN MOI download : skknchat@gmail.com Mặc dù chất lượng phân cụm tốt hơn FCM, nhưng thời gian tính toán khá lớn nên các nghiên cứu thường mở rộng FCM trên tập mờ trực cảm (IFS) [10]. Một số nghiên cứu phát triển FCM trên IFS được đề xuất bởi các tác giả trong [4, 36, 39, 93, 105].
Chaira [15] và Chaira & Panwar [16] giới thiệu thuật toán phân cụm mờ trực cảm dựa trên hàm mục tiêu mới để phân cụm các ảnh chụp CT não nhằm phát hiện các vấn đề bất thường trong não. Một số nghiên cứu khác được đề xuất phát triển trên tập thuộc tính mờ và độ đo mờ để đánh giá chất lượng phân cụm [9,14,27,103]. Lê Hoàng Sơn và cộng sự [77-84] đã đề xuất thuật toán phân cụm mờ trực cảm để phân tích nhân khẩu học dựa vào các kết quả nghiên cứu gần đây liên quan đến IFS và thuật toán phân cụm mờ xác suất. Phân cụm mờ với hàm nhân (KFCM) được áp dụng để nâng cao chất lượng phân cụm của FCM như trong các nghiên cứu [34, 45, 54].
Tổng quan về các thuật toán phân cụm mờ trực cảm được tổng hợp trong [94]. Tuy nhiên, các thuật toán này vẫn cho kết quả vẫn chưa tốt và không phản ánh được nhiều yếu tố như độ “do dự” tồn tại trong nhiều ứng dụng. Vào năm 2014, Bùi Công Cường và cộng sự đã giới thiệu tập mờ viễn cảnh (PFS) [21], là một sự khái quát hóa của tập mờ truyền thống và tập mờ trực cảm. Các mô hình dựa trên PFS có thể được áp dụng cho nhiều tình huống cần ý kiến của con người liên quan nhiều đến các câu trả lời kiểu: đồng ý, do dự, không đồng ý và từ chối trả lời.
Các tình huống này có thể cho kết quả rõ ràng hơn trên các thuật toán phân cụm dựa trên IFS. Chính vì vậy việc phát triển thuật toán phân cụm mờ trên PFS sẽ nâng cao độ chính xác phân cụm. Hiện nay các thuật toán phân cụm mờ viễn cảnh mới chỉ dừng lại ở việc đưa ra một số độ đo kết hợp sử dụng phân cụm phân cấp để thực hiện như trong [57] mà chưa xem xét đến việc phân cụm theo cách tiếp cận phân hoạch. Các vấn đề tồn tại của phân cụm mờ Ngoài các nhược điểm về chất lượng cụm, thuật toán FCM và các thuật toán phân cụm trên các tập mờ nâng cao còn có một số nhược điểm khác như xác định số cụm hay xử lý với dữ liệu phức tạp.