Tóm tắt Luận án tiến sĩ Toán học: Nghiên cứu phát triển một số thuật toán phân cụm bán giám sát sử dụng mạng nơron min max mờ và ứng dụng

Mục đích nghiên cứu của luận án nhằm xây dựng thuật toán cải tiến phân cụm bán giám sát mờ dựa trên lan truyền nhãn. Thông tin bổ trợ là một tỷ lệ phần trăm nhỏ của các mẫu được dán nhãn. Đề xuất mô hình phân cụm bán giám sát mờ kết hợp, thuật toán học tự xác định thông tin bổ trợ là nhãn của một phần mẫu cho thuật toán phân cụm bán giám sát mờ
Nội dung trích xuất từ tài liệu:
Tóm tắt Luận án tiến sĩ Toán học: Nghiên cứu phát triển một số thuật toán phân cụm bán giám sát sử dụng mạng nơron min max mờ và ứng dụng 1BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÕNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ----------------------- VŨ ĐÌNH MINH NGHIÊN CỨU PHÁT TRIỂN MỘT SỐ THUẬT TOÁN PHÂN CỤM BÁN GIÁM SÁT SỬ DỤNG MẠNG NƠRON MIN-MAX MỜ VÀ ỨNG DỤNG Chuyên ngành: C sở to n học cho tin học Mã số: 9 46 01 10 TÓM TẮT LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội - 2019 2Công trình được hoàn thành tại: VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ BỘ QUỐC PHÒNGNgười hướng dẫn khoa học: 1. PGS. TS. Lê Bá Dũng 2. TS. Nguyễn Doãn CườngPhản biện 1: PGS.TS Bùi Thu Lâm Học viện Kỹ thuật quân sựPhản biện 2: PGS.TS Phùng Trung Nghĩa Đại học Thái NguyênPhản biện 3: TS Nguyễn Đỗ Văn Viện Khoa học và Công nghệ quân sựLuận án được bảo vệ trước Hội đồng đánh giá luận án cấpViện họp tại Viện KH&CN quân sự vào hồi ….. ngày …..tháng ….. năm 2019.Có thể tìm hiểu luận án tại thư viện: - Thư viện Viện KH&CN quân sự - Thư viện Quốc gia Việt nam 1 MỞ ĐẦU1. Tính cấp thiết của luận n Phân cụm bán giám sát mờ là một mở rộng của phân cụm mờ bằngcách sử dụng các thông tin biết trước làm tăng chất lượng của cụm. Cácthông tin biết trước hay còn gọi là các thông tin bổ trợ nhằm mục đíchhướng dẫn, giám sát và điều khiển quá trình phân cụm. Mô hình mạng nơron min-max mờ (FMNN) do giáo sư Patrick K.Simpson đề xuất dựa trên những ưu điểm của việc kết hợp logic mờ,mạng nơron nhân tạo, lý thuyết min-max mờ để giải quyết bài toán phânlớp và phân cụm. FMNN là mô hình học gia tăng dựa trên các tập siêuhộp mờ cho khả năng xử lý các bộ dữ liệu quy mô lớn. Chẩn đoán bệnh gan dựa trên số liệu của kết quả xét nghiệm mengan có thể được hình thành như là một vấn đề nhận dạng mẫu. Việc sửdụng FMNN được coi là một cách tiếp cận có hiệu quả. Một trongnhững lý do để FMNN được sử dụng trong y tế là khả năng sinh các luậtquyết định if .. then rất đơn giản. Mỗi siêu hộp của FMNN chuyển thànhmột luật được mô tả bằng cách định lượng các giá trị min và max củacác thuộc tính dữ liệu. Tuy nhiên, bản thân FMNN vẫn còn tồn tại nhiều nhược điểm dẫntới những khó khăn và khả năng ứng dụng thực tiễn bị hạn chế. Cácnghiên cứu chính cải tiến FMNN thường tập trung vào các hướng chínhnhư cải tiến cấu trúc mạng, tối ưu hóa các tham số, hàm thuộc, giảmthiểu số siêu hộp trong mạng, cải tiến phương pháp học hay kết hợp vớiphương thức khác để cải thiện chất lượng. Trên cơ sở nghiên cứu quá trình phát triển của FMNN, để nâng caohiệu năng của FMNN, đề tài luận án tập trung vào việc đề xuất, cải tiếnphương pháp học bằng phương pháp học bán giám sát. Trong cácphương pháp mới trình bày trong luận án, thông tin bổ trợ được xácđịnh là nhãn được gán cho một phần dữ liệu để hướng dẫn và giám sát 2quá trình phân cụm. Đây là một cách tiếp cận mới mà các phương pháptrước đó chưa đề cập đến.2. Mục tiêu nghiên cứu - Xây dựng thuật toán cải tiến phân cụm bán giám sát mờ dựa trênlan truyền nhãn. Thông tin bổ trợ là một tỷ lệ phần trăm nhỏ của cácmẫu được dán nhãn. - Đề xuất mô hình phân cụm bán giám sát mờ kết hợp, thuật toánhọc tự xác định thông tin bổ trợ là nhãn của một phần mẫu cho thuậttoán phân cụm bán giám sát mờ. - Phát triển thuật toán phân cụm mờ có tính đến yếu tố phân bố dữliệu. - Ứng dụng mạng nơron min-max mờ với kết xuất luật quyết địnhif...then mờ trong thiết kế hệ hỗ trợ chẩn đoán bệnh gan từ dữ liệu là sốliệu các kết quả xét nghiệm men gan của bệnh nhân.3. Đối tượng và phạm vi nghiên cứu Đề tài luận án tập trung nghiên cứu các vấn đề sau: - Nghiên cứu tổng quan về mạng nơron min-max mờ và các biếnthể của mạng nơron min-max mờ. - Phân tích các hạn chế và giải pháp đã được các nhà nghiên cứu sửdụng để khắc phục những hạn chế này. - Ứng dụng mạng nơron min-max mờ với kết xuất luật quyết địnhif...then mờ trong chẩn đoán Y tế.4. Phư ng ph p nghiên cứu Luận án sử dụng phương pháp nghiên cứu lý thuyết, cụ thể là luậnán đã nghiên cứu mô hình FMNN cho phân lớp và phân cụm dữ liệu. Từđó, luận án tập trung nghiên cứu đề xuất thuật toán phân cụm bán giámsát. Luận án cũng sử dụng phương pháp thực nghiệm mô phỏng kết hợpvới phân tích, thống kê, đánh giá số liệu thực nghiệm.5. Đóng góp của luận n - Xây dựng thuật toán SS-FMM cải tiến phân cụm bán giám sát mờdựa trên lan truyền nhãn. 3 - Đề xuất mô hình phân cụm bán giám sát mờ kết hợp FMNN vàSS-FMM, thuật toán học tự xác định thông tin bổ trợ cho thuật toánphân cụm bán giám sát mờ. - Phát triển thuật toán phân cụm mờ có tính đến yếu tố phân bố dữ liệu.6. Cấu trúc của luận n Ngoài phần phần mở đầu và kết luận, bố cục của luận án gồm bachương: - Chương 1 trình bày nghiên cứu tổng quan của luận án, bao gồmcác nội dung cơ bản về FMNN và các mở rộng của FMNN. Đặc điểmchung của các mở rộng, các hạn chế từ đó đưa ra các hướng nghiên cứutiếp theo. Thông qua chương này, luận án đưa ra được cái nhìn tổngquan về bài toán nghiên cứu, các khái niệm và thuật toán cơ bản sửdụng trong nghiên cứu của luận án. - Chương 2 trình bày các đề xuất cải tiến về phương pháp học trongFMNN, bao gồm mô hình học bán giám sát cho phân cụm dữ liệu sửdụng thông tin bổ trợ là một phần mẫu trong tập dữ liệu huấn luyệnđược gán nhãn, sau đó lan truyền nhãn cho các mẫu dữ liệu không cónhãn. Mô hình phân cụm bán giám sát mờ kết hợp, thuật toán học tự xácđịnh thông tin bổ trợ là nhãn của một phần ...