Tóm tắt Luận án Tiến sĩ Hệ thống thông tin: Nghiên cứu một số phương pháp giảm số chiều dữ liệu

Tóm tắt Luận án Tiến sĩ Hệ thống thông tin "Nghiên cứu một số phương pháp giảm số chiều dữ liệu" trình bày tổng quan về giảm chiều dữ liệu và ứng dụng trong xử lý dữ liệu Tin-sinh học; Phân lớp bệnh nhân hiệu quả dựa trên học đa nhân kết hợp giảm chiều dữ liệu; Phân lớp bệnh nhân dựa trên phương pháp phân tích thành phần chính tăng cường.
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án Tiến sĩ Hệ thống thông tin: Nghiên cứu một số phương pháp giảm số chiều dữ liệu ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ———— GIANG THÀNH TRUNG NGHIÊN CỨU MỘT SỐ PHƯƠNG PHÁP GIẢM SỐ CHIỀU DỮ LIỆU Chuyên ngành: Hệ thống thông tin Mã số: 9480104.01 TÓM TẮT LUẬN ÁN TIẾN SĨ HỆ THỐNG THÔNG TIN Hà Nội - 2021 Công trình được hoàn thành tại: Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Người hướng dẫn khoa học: - PGS. TS. Trần Đăng Hưng - TS. Lê Nguyên Khôi Phản biện: ..................................................................................................................... ..................................................................................................................... Phản biện: ..................................................................................................................... ..................................................................................................................... Phản biện: ..................................................................................................................... ..................................................................................................................... Luận án sẽ được bảo vệ trước Hội đồng cấp Đại học Quốc gia chấm luận án tiến sĩ họp tại ........................................................................................ vào hồi ...... giờ ...... ngày ...... tháng ...... năm ......... Có thể tìm hiểu luận án tại: - Thư viện Quốc gia Việt Nam. - Trung tâm Thông tin - Thư viện, Đại học Quốc gia Hà Nội MỞ ĐẦU Đặt vấn đề Trong thập kỷ vừa qua, ngành khoa học đời sống và thực nghiệm đã trải qua một cuộc cách mạng với sự phát triển nhanh chóng của các thiết bị thí nghiệm và thiết bị đo công nghệ cao. Cùng với sự phát triển đó, lượng dữ liệu được đo đạc, lưu trữ và xử lý ngày càng lớn trên tất cả các lĩnh vực của đời sống xã hội, đặc biệt trong lĩnh vực y sinh học đã có sự phát triển vượt bậc về dữ liệu kể từ khi bộ trình tự gene hoàn chỉnh của con người được giải mã. Nhiều bộ dữ liệu y sinh học có sự gia tăng theo hàm mũ và thường tồn tại ở nhiều dạng khác nhau như: vector số, ảnh, âm thanh, video, văn bản,. . . Nguồn dữ liệu này là cơ sở cho việc phân tích và đề xuất trong các hệ thống trợ giúp ra quyết định hỗ trợ cho các hoạt động chuẩn đoán và chữa trị các bệnh do chúng chính là thông tin phản ánh khách quan các hoạt động đã xảy ra trong chính các cơ quan của cơ thể. Dữ liệu ở dạng thô được xử lý, biến đổi, tính toán và chuyển hóa thành tri thức để trở nên hữu ích nhằm hỗ trợ ra quyết định. Tuy nhiên, một trong các thách thức đối với các phương pháp xử lý dữ liệu đó là sự mất cân bằng giữa số lượng thuộc tính (còn gọi là đặc trưng, biến) và số lượng mẫu quan sát. Trong nhiều trường hợp, các bộ dữ liệu có số thuộc tính nhiều hơn rất nhiều so với số lượng đối tượng quan sát được (mẫu). Ví dụ, một tập dữ liệu microarray là một mảng hai chiều, trong đó mỗi cột là một gen, mỗi dòng là một mẫu quan sát. Đối với mỗi loại sinh vật, số lượng gen thường từ vài nghìn đến vài chục nghìn, trong khi đó số mẫu chỉ thường vài trăm. Nếu nhìn theo khía cạnh hệ phương trình toán học, đó là bài toán có số phương trình ít hơn rất nhiều lần so với số biến và đó là bài toán không giải được trong thời gian đa thức. Ngoài ra, khi tập dữ liệu ngày càng lớn kèm theo đó là số lượng biến lớn thì đòi hỏi chi phí tính toán lâu, dẫn đến không đáp ứng được nhu cầu về thời gian phản hồi khi đưa vào trong các bài toán thực tế. Khi đó, một bước tiền xử lý được đề xuất là giảm chiều dữ liệu nhằm giảm số lượng biến để phù hợp với các hệ thống máy tính và các mô hình tính toán ở bước tiếp theo. Giảm chiều dữ liệu được hiểu là từ một tập dữ liệu gốc ban đầu, áp dụng các phương pháp phân tích để giảm rất nhiều đặc trưng của dữ liệu sao cho vẫn giữ lại được bản chất thông tin của tập dữ liệu đó. Giảm chiều dữ liệu hiện nay đã trở thành một bước kỹ thuật cần thiết nhằm biến đổi dữ liệu gốc ban đầu bằng cách giảm đặc trưng để phù hợp với số mẫu và các mô hình tính toán ở bước tiếp theo. Trong nhiều năm qua, hướng nghiên cứu về giảm chiều dữ liệu luôn thu hút được sự quan tâm của các nhà nghiên cứu và thực tế đã có rất nhiều phương pháp giảm chiều dữ liệu đã được đưa ra nhằm giải quyết bài toán nêu trên. Trong lĩnh vực Tin-sinh học, giảm chiều dữ liệu đã được ứng dụng rộng rãi vào trong một số kỹ thuật xử lý của các bài toán như: giảm chiều dữ liệu các tập dữ liệu sinh học phân tử đơn lẻ; sử dụng các phương pháp giảm chiều dữ liệu để trích rút các thông tin hữu ích trong các tập dữ liệu sinh học phân tử; kết hợp đồng thời giảm chiều dữ liệu và tích hợp các tập dữ liệu sinh học phân tử,... Tuy nhiên, cùng với sự phát triển của ngành khoa học dữ liệu, các tập dữ liệu hiện nay trở nên rất đa dạng, có cấu trúc và mối quan hệ phức tạp, đặc biệt là có kích thước lớn và được biểu diễn bởi nhiều độ đo khác nhau. Do đó, các nghiên cứu giảm chiều dữ liệu cũng phải đối mặt với các thách thức mới xuất hiện, bao gồm: Một là, các tập dữ liệu gồm nhiều dữ liệu nhiễu, thưa và ngoại lai, nếu phân tích chung với dữ liệu thông thường sẽ cho ra kết quả không chính xác; Hai là, các loại dữ liệu 1 sinh học phân tử khác nhau đều chứa những thông tin hữu ích về các con đường phân tử trong tế bào và vai trò của chúng đối với bệnh tật, do đó một nhu cầu bức thiết là tích hợp các nguồn dữ liệu có ý nghĩa đồng thời với giảm chiều dữ liệu để tạo ra tập dữ liệu tích hợp mang đầy đủ thông tin nhưng vẫn phù hợp với các mô hình, công cụ tính toán hiện tại. Tuy nhiên, bản thân mỗi loại dữ liệu đã có ...