Tóm tắt Luận án Tiến sĩ Toán học: Một số phương pháp phân cụm mờ theo nhóm cho bài toán dữ liệu đa nguồn, nhiều đặc trưng

Tóm tắt Luận án Tiến sĩ Toán học "Một số phương pháp phân cụm mờ theo nhóm cho bài toán dữ liệu đa nguồn, nhiều đặc trưng" được nghiên cứu với mục tiêu: Nghiên cứu phát triển các thuật toán phân cụm mờ, luận án tập trung cải tiến để đưa ra một số giải pháp bao gồm: Cải tiến nâng cao hiệu suất của đồng phân cụm mờ dữ liệu nhiều đặc trưng, đề xuất các mô hình, thuật toán phân cụm mờ theo nhóm tiếp cận theo hướng ứng dụng phân tích dữ liệu đa nguồn.
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án Tiến sĩ Toán học: Một số phương pháp phân cụm mờ theo nhóm cho bài toán dữ liệu đa nguồn, nhiều đặc trưngBỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ LÊ THỊ CẨM BÌNH MỘT SỐ PHƯƠNG PHÁP PHÂN CỤM MỜ THEO NHÓM CHO BÀI TOÁN DỮ LIỆU ĐA NGUỒN, NHIỀU ĐẶC TRƯNG Ngành: Cơ sở toán học cho tin học Mã số: 9 46 01 10 TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC HÀ NỘI- 2023 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ - BỘ QUỐC PHÒNG Người hướng dẫn khoa học: 1. PGS.TS. Ngô Thành Long 2. TS. Lê Xuân Đức Phản biện 1: PGS.TS Nguyễn Long Giang Viện Hàn lâm Khoa học và Công nghệ Việt Nam Phản biện 2: PGS. TS Nguyễn Hoàng Phương Đại học Thăng Long Phản biện 3: TS Đỗ Việt Bình Viện Khoa học và Công nghệ Quân sựLuận án được bảo vệ tại Hội đồng đánh giá luận án tiến sĩ cấp Viện, họptại Viện KH-CNQS vào hồi giờ ngày tháng năm 20....Có thể tìm hiểu luận án tại: - Thư viện Viện Khoa học và Công nghệ quân sự - Thư viện Quốc gia Việt Nam 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài luận án Tốc độ phát triển của khoa học công nghệ đã phát sinh một lượng dữ liệungày càng lớn và phức tạp. Trong số đó, dữ liệu được thu thập từ nhiều nguồnkhác nhau hoặc có nhiều đặc trưng có những đặc điểm rất khác biệt so với dữliệu truyền thống. Các nguồn dữ liệu này cung cấp các thông tin hữu ích nếuđược khai thác một cách hiệu quả. Hiện nay phân cụm dữ liệu là một trong những kỹ thuật quan trọng tronglĩnh vực khai phá dữ liệu, được sử dụng rộng rãi trong nhiều ứng dụng. Tuynhiên, các kỹ thuật phân cụm chủ yếu được áp dụng đối với dữ liệu đơn nguồn,ít đặc trưng. Vì vậy, vấn đề nghiên cứu và hoàn thiện kỹ thuật phân cụm phùhợp cho dữ liệu đa nguồn và nhiều đặc trưng luôn là bài toán cần thiết và cóphạm vi ảnh hưởng mạnh mẽ, có ý nghĩa khoa học và thực tiễn. 2. Mục tiêu nghiên cứu Trên cơ sở nghiên cứu phát triển các thuật toán phân cụm mờ, luận án tậptrung cải tiến để đưa ra một số giải pháp bao gồm: Cải tiến nâng cao hiệu suấtcủa đồng phân cụm mờ dữ liệu nhiều đặc trưng, đề xuất các mô hình, thuật toánphân cụm mờ theo nhóm tiếp cận theo hướng ứng dụng phân tích dữ liệu đanguồn. 3. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu Luận án tập trung vào đối tượng nghiên cứu là mở rộng các thuật toán phâncụm mờ thích nghi với dữ liệu đa nguồn và dữ liệu có nhiều đặc trưng. Trong đótập trung vào nghiên cứu kỹ thuật đồng phân cụm mờ cùng các kỹ thuật phâncụm mờ theo nhóm để cải tiến nâng cao hiệu suất phân cụm. Phạm vi nghiên cứu Phạm vi nghiên cứu của luận án tập trung nghiên cứu bao gồm: Các thuậttoán phân cụm mờ, đồng phân cụm mờ, mô hình phân cụm mờ theo nhóm đốivới dữ liệu đa nguồn, nhiều đặc trưng. 4. Nội dung nghiên cứu - Nghiên cứu tổng quan và cơ sở toán học của các mô hình, thuật toán phâncụm mờ được sử dụng trong luận án. 2 - Nghiên cứu phát triển và đề xuất một vài thuật toán phân cụm dữ liệu tiếpcận theo hướng ứng dụng phân tích dữ liệu đa nguồn, nhiều đặc trưng. - Nghiên cứu phát triển và đề xuất một vài mô hình phân cụm mờ theonhóm tiếp cận theo hướng ứng dụng phân tích dữ liệu đa nguồn. 5. Phương pháp nghiên cứu Căn cứ vào mục tiêu của luận án là tập trung nghiên cứu tổng quan và đềxuất một vài mô hình, thuật toán phân cụm mờ theo nhóm. Do đó, phương phápnghiên cứu của luận án là thực hiện nghiên cứu lý thuyết, triển khai thực nghiệmvà đánh giá kết quả. Cụ thể là: - Trên cơ sở lý thuyết về các thuật toán phân cụm mờ và mô hình phân cụmmờ theo nhóm hiện có đề xuất một số mô hình, thuật toán phân cụm mờ theonhóm cải tiến theo hướng tiếp cận ứng dụng phân tích dữ liệu đa nguồn, nhiềuđặc trưng. - Mô phỏng thực nghiệm trên máy tính sử dụng các bộ dữ liệu mẫu chuẩn,dữ liệu thực và các chỉ số đánh giá chất lượng cụm dữ liệu nhằm minh họa cáckết quả thực nghiệm để so sánh và khẳng định tính đúng đắn của các thuật toánđã được đề xuất trong luận án. - Kết hợp giữa tài liệu và hướng dẫn của giáo viên, tự nghiên cứu tìm kiếmtài liệu và trao đổi kết quả với nhóm nghiên cứu. Từng bước công bố các kết quảnghiên cứu, thực nghiệm trên các tạp chí quy định thông qua các Hội thảo, cáctạp chí trong nước và nước ngoài. Tiếp thu đầy đủ những thành tựu mới trongnước và trên thế giới để mở rộng và ứng dụng trong luận án. 6. Ý nghĩa khoa học và thực tiễn Ý nghĩa khoa học Luận án đề xuất các phương pháp góp phần nâng cao chất lượng dựa trêncác kỹ thuật phân cụm mờ và mô hình phân cụm mờ theo nhóm cho bài toán dữliệu đa nguồn, nhiều đặc trưng được chứng minh là phân cụm dữ liệu tốt hơn. Ý nghĩa thực tiễn Kết quả của luận án góp phần hoàn thiện các giải pháp nâng cao hiệu quảcác bài toán phân cụm dữ liệu đa nguồn, dữ liệu đa biến có kích thước và số đặctrưng lớn trong các ứng dụng thực tế, đáp ứng nhu cầu trong lĩnh vực phân cụmdữ liệu đa dạng hiện nay. 3 7. Bố cục của luận án Ngoài các phần mở đầu, kết luận, danh mục các công trình khoa học đãcông bố của tác giả, danh mục tài liệu tham khảo, luận án có bố cục chính gồmba chương như sau: Chương 1: Trình bày tổng quan về phân cụm dữ liệu và khái quát các vấnđề nghiên cứu liên quan đến luận án bao gồm: Dữ liệu đa nguồn, dữ liệu nhiềuđặc trưng, thuật toán đồng phân cụm mờ, thuật toán tối ưu bầy đàn PSO, thuậttoán đồng phân cụm mờ, thuật toán phân cụm mờ theo nhóm và tri thức ẩn trongphân cụm dữ liệu, một số công trình nghiên cứu liên quan đến luận án. Chương 2: Trình bày hai đề xuất bao gồm: Mô hình giải pháp tâm cụm tốiưu cho thuật toán đồng phân c ...