MỘT PHƯƠNG PHÁP ĐỊNH LƯỢNG GIÁ TRỊ NGÔN NGỮ TRONG TẬP MẪU HUẤN LUYỆN ĐỂ XÂY DỰNG CÂY QUYẾT ĐỊNH MỜ
Abstract
Tóm tắt. Tập mẫu đóng vai trò quan trọng trong quá trình huấn luyện. Khi miền trị của các thuộc tính trong tậpmẫu huấn luyện là chưa thuần nhất, việc làm thuần nhất tập huấn luyện là bắt buộc. Đại số gia tử là một công cụhữu ích để làm thuần nhất tập huấn luyện, bằng cách chuyển miền dữ liệu của thuộc tính chưa thuần nhất thànhmiền dữ liệu chứa các giá trị ngôn ngữ hay định lượng các giá trị ngôn ngữ về các giá trị kinh điển. Trong quátrình thuần nhất, ta cần phải biết các giá trị min, max của miền trị kinh điển. Tuy nhiên, trong thực tế, nhiều lúc tachưa biết cụ thể giá trị min, max của thuộc tính đang xét. Trong bài báo này, chúng ta xây dựng một cách thức đểcó thể các định lượng cho các giá trị ngôn ngữ khi không biết miền giá trị [min, max] mà chỉ biết đoạn con [ 1, 2] của chúng.
Từ khoá: Tập mẫu huấn luyện, Giá trị ngôn ngữ, Đại số gia tử, Cây quyết định mờ.
References
Dương Thăng Long: Phương pháp xây dựng hệ mờ dạng luật với ngữ nghĩa dựa trên đại số gia tử và ứng dụng trong bài
toán phân lớp, Luận án Tiến sĩ Toán học, Viện Công nghệ Thông tin (2010).
Đoàn Văn Ban, Lê Mạnh Thạnh, Lê Văn Tường Lân: Một cách chọn mẫu huấn luyện và thuật toán học để xây dựng cây
quyết định trong khai phá dữ liệu, Tạp chí Tin học và Điều khiển học, T23, S4 (2007).
Nguyễn Cát Hồ: Lý thuyết tập mờ và Công nghệ tính toán mềm, Tuyển tập các bài giảng về Trường thu hệ mờ và ứng
dụng (2006).
Nguyễn Cát Hồ: Cơ sở dữ liệu mờ với ngữ nghĩa đại số gia tử, Bài giảng trường Thu - Hệ mờ và ứng dụng, Viện Toán học
Việt Nam (2008).
Nguyễn Công Hào, Nguyễn Cát Hồ: Một cách tiếp cận xấp xỉ dữ liệu trong cơ sở dữ liệu mờ, Tạp chí Tin học và Điều
khiển học (2006).
Nguyễn Công Hào: Cơ sở dữ liệu mờ với thao tác dữ liệu dựa trên đại số gia tử, Luận án Tiến sĩ Toán học, Viện Công
nghệ Thông tin (2008)
Lê Văn Tường Lân: Phụ thuộc dữ liệu và tác động của nó đối với bài toán phân lớp của khai phá dữ liệu, Tạp chí khoa học
Đại học Huế, Tập:19, Số:53 (2009).
Lê Văn Tường Lân: Một cách tiếp cận chọn tập mẫu huấn luyện cây quyết định dựa trên đại số gia tử, Hội nghị Quốc gia
lần thứ VI về nghiên cứu cơ bản và ứng dụng Công nghệ Thông tin (FAIR), XNB Khoa học tự nhiên và công nghệ (2013).
A.K. Bikas, E. M. Voumvoulakis and N. D. Hatziargyriou: Neuro-Fuzzy Decision Trees for Dynamic Security Control of
Power Systems, Department of Electrical and Computer Engineering, Greece (2008)
Chida, A: Enhanced Encoding with Improved Fuzzy Decision Tree Testing Using CASP Templates, Computational
Intelligence Magazine, IEEE (2012).
Chang, Robin L. P. Pavlidis: Fuzzy Decision Tree Algorithms, Man and Cybernetics, IEEE (2007).
Dorian, P.: Data Preparation for Data Mining, Morgan Kaufmann (1999).
Daveedu R. A., Jaya Suma. G, Lavanya Devi. G: Construction of Fuzzy Decision Tree using Expectation Maximization
Algorithm, International Journal of Computer Science and Management Research (2012).
Fernandez A., Calderon M., Barrenechea E.: Enhancing Fuzzy Rule Based Systems in Multi-Classication Using Pairwise
Coupling with Preference Relations, EUROFUSE Workshop Preference Modelling and Decision Analysis, Public
University of Navarra, Pamplona, Spain (2009).
FA. Chao Li, Juan sun, Xi-Zhao Wang: Analysis on the fuzzy filter in fuzzy decision trees, Proceedings of the Second
International Conference on Machine Learxung and Cybernetics (2003).
Kavita Sachdeva, Madasu Hanmandlu, Amioy Kumar: Real Life Applications of Fuzzy Decision Tree, International
Journal of Computer Applications (2012).
Hesham A. Hefny, Ahmed S. Ghiduk, Ashraf Abdel Wahab: Effective Method for Extracting Rules from Fuzzy Decision
Trees based on Ambiguity and Classifiability, Universal Journal of Computer Science and Engineering Technology, Cairo
University, Egypt. (2010).
Ho Tu Bao: Introduction to knowledge discovery and data mining, Institute of Information Technology National Center
for Natural Science (2000).
Ho N. C. and Nam H. V.: An algebraic approach to linguistic hedges in Zadeh's fuzzy logic, Fuzzy Sets and Systems,
vol.129, pp.229-254 (2002).
Moustakidis, S. Mallinis, G. ; Koutsias, N. ; Theocharis, J.B. ; Petridis, V. : SVM-Based Fuzzy Decision Trees for
Classification of High Spatial Resolution Remote Sensing Images, Geoscience and Remote Sensing, IEEE (2012).
Oleksandr Dorokhov, Vladimir Chernov: Application of the fuzzy decision trees for the tasks of alternative choices,
Transport and Telecommunication Institute, Lomonosova, Latvia , Vol.12, No 2 (2011).