Mã tài liệu: 142073
Số trang: 82
Định dạng: docx
Dung lượng file:
Chuyên mục: Khoa học máy tính
Khái niệm t-chuẩn có ngưỡng do Dubois, Prade giới thiệu đầu tiên trong [14], sau đó được Iancu xem xét một cách đầy đủ hơn trong [31]. Sau đó, một số kết quả về các lớp toán tử mờ có ngưỡng, t-chuẩn, t-đối chuẩn, và kéo theo đã được xem xét trong [9-13].
Cũng giống như toán tử mờ, toán tử mờ có ngưỡng có một phạm vi ứng dụng rộng lớn tử trong điều khiển học, trong trí tuệ nhân tạo, đặc biệt là trong các vấn đề về hệ suy diễn và khai phá dữ liệu.
Tìm kiếm luật kết hợp là một trong những hướng nghiên cứu quan trọng trong khai phá dữ liệu [38]. Bài toán tìm luật kết hợp boolean được giới thiệu lần đầu tiên trong [2]. Ví dụ cho luật này có thể là như sau: “90% số người mua bơ và sữa sẽ mua cả bánh mì”. Đã có nhiều thuật toán được đưa ra nhằm giải quyết bài toán này, như Apriori [3], FP-growth [27,23], Eclat [1]…
Bài toán luật kết hợp lượng hoá được nêu ra trong [40]. Lấy ví dụ, một luật kết hợp lượng hoá cho cơ sở dữ liệu với ba thuộc tính về
Mặc dù phương pháp phân hoạch dữ liệu cũng giải quyết được một số bài toán tìm luật kết hợp trên cơ sở dữ liệu lượng hoá. Tuy nhiên, cũng có một số vấn đề phát sinh như trong [35] đã chỉ ra. Đó là vấn đề mất mát thông tin nếu như có nhiều giá trị tập trung xung quanh các biên của các khoảng. Việc chia các giá trị gần nhau vào các khoảng khác nhau sẽ dẫn tới việc mất thông tin trong các phân tích về sau. Một phương pháp tiếp cận khác là chia miền dữ liệu thành các vùng có chồng lên nhau. Khi đó, các phần tử nằm gần biên có thể thuộc nhiều hơn một khoảng, và sẽ giải quyết được phần nào vấn đề mất mát thông tin tại các lân cận biên. Tuy nhiên, tiếp cận này vẫn có phần bất hợp lý do việc phần tử gần biên cũng sẽ có vai trò quan trọng trong việc mô tả đặc trưng của khoảng giống như các phần tử gần trung tâm.
Nghiên cứu sõu hơn vềt - chuẩn có ngưỡng và bướcđầuứng dụng vào khai phá dữ liệu
LỜI CẢM ƠN
Đầu tiên, em xin chân thành cảm ơn thày giáo Bùi Công Cường đã giúp đỡ em rất nhiều trong quá trình tìm kiếm tài liệu cũng như hoàn thành báo cáo của mình. Sự chỉ bảo tận tình của thày trong suốt quá trình từ những ý tưởng ban đầu cho đến khi báo cáo được hoàn thành là trợ giúp lớn nhất đối với em.
Sau đó, em xin chân thành cảm ơn các thày, cô giáo đã giảng dạy em, đặc biệt là các thày, cô giáo của khoa Toán Tin ứng dụng, trường Đại học Bách Khoa Hà Nội. Những kiến thức thu nhận được từ các thày, cô đã hỗ trợ em rất nhiều trong quá trình hoàn thành báo cáo này.
Em cũng xin cảm ơn các bạn học cùng lớp Toán Tin - KSTN K45, Đại học Bách Khoa Hà Nội, các anh chị và các bạn thuộc Seminar Lý thuyết mờ và Mạng Nơron, những đóng góp của mọi người đã giúp em có thể hoàn chỉnh được báo cáo.
Cuối cùng, em xin gửi lời cảm ơn tới cha mẹ, chị gái của em, sự cổ vũ động viên của mọi người là động lực rất lớn giúp em có thể hoàn thành được báo cáo này.
Em xin phép được sử dụng cụm từ “chỳng tụi” trong báo cáo bao gồm em và mọi nguời.
MỤC LỤC
2.2.2.Đẳng cấu giữa các t - chuẩn có ngưỡng 17
2.2.3.t - đối chuẩn có ngưỡng và bộ ba De Morgan có ngưỡng 21
2.2.5.Các toán tử mờ tham số 27
3.2.1.Thuộc tính và cơ sở dữ liệu 43
3.2.5.t - chuẩn có ngưỡng và độ ủng hộ 47
3.5.1.Bài toán phân cụm dữ liệu và phân cụm mờ 56
Phụ lục A.Các toán tử mờ có ngưỡng tham số 61
Phụ lục B.Chương trình Fuzzy Rules Miner 73
2.Cấu trúc các file dữ liệu 76
3.Cơ sở dữ liệu chạy thử nghiệm 77
82
Những tài liệu gần giống với tài liệu bạn đang xem
Những tài liệu bạn đã xem
Nghiên cứu sâu hơn về t chuẩn có ngưỡng và bước đầu ứng dụng vào khai phá dữ liệu
Khái niệm t-chuẩn có ngưỡng do Dubois, Prade giới thiệu đầu tiên trong [14], sau đó được Iancu xem xét một cách đầy đủ hơn trong [31]. Sau đó, một số kết quả về các lớp toán tử mờ có ngưỡng, t-chuẩn, t-đối chuẩn, và kéo theo đã được xem xét trong
docx Đăng bởi
tuan_7924
