NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
Tên luận án: Nghiên cứu một số phương pháp nâng cao hiệu quả tính toán tập rút gọn trên không gian xấp xỉ mờ
Ngành: Hệ thống thông tin
Mã số: 9 48 01 04
Họ và tên nghiên cứu sinh: Phạm Minh Ngọc Hà
Chức danh, học vị, họ và tên người hướng dẫn:
– PGS. TS Nguyễn Long Giang
– TS Nguyễn Mạnh Hùng
Cơ sở đào tạo: Học viện Khoa học và Công nghệ, Viện Hàn lâm Khoa học và Công nghệ Việt Nam
Nội dung: nêu ngắn gọn những đóng góp mới về mặt học thuật, lý luận, những luận điểm mới rút ra được từ kết quả nghiên cứu, khảo sát của luận án
1- Luận án này tập trung vào giải quyết bài toán rút gọn thuộc tính trên các bộ dữ liệu bị nhiều, vôn gây ra độ chính xác phân lớp thấp. Giải pháp được đề xuất là một phương pháp tiếp cận mới, dựa trên việc mở rộng mô hình tập thô mờ với độ chính xác thay đổi trên không gian xấp xỉ mờ.
Về mặt lý thuyết, luận án phân tích và chứng minh rằng độ đo độ phụ thuộc được đề xuất có hiệu quả về mặt thời gian tính toán. Về mặt thực nghiệm, các kết quả cho thấy thuật toán đề xuất không chỉ rút gọn thuộc tính nhanh hơn các phương pháp khác, mà còn tạo ra tập thuộc tính rút gọn có kích thước nhỏ hơn và độ chính xác phân lớp cao hơn trên một số bộ dữ liệu lớn.
2- Luận án này đề xuất một phương pháp xây dựng hạt thông tin mờ trên không gian xấp xỉ mờ. Dựa trên hạt thông tin mờ này, luận án đưa ra công thức tính toán gia tăng trên không gian xập xì mờ, áp dụng cho các trường hợp bổ sung hoặc loại bỏ tập đối tượng. Từ đó, các thuật toán rút gọn thuộc tính gia tăng tương ứng cũng được đề xuất.
Về mặt lý thuyết, việc sử dụng hạt thông tin mờ không chỉ giúp đơn giản hóa quá trình xây dựng và chứng minh tính đúng đắn của các công thức gia tăng, mà còn mang lại hiệu quả thực tế. Kết quả cho thấy tập thuộc tính rút gọn thu được có kích thước nhỏ hơn và độ chính xác phân lớp cao hơn trên một số bộ dữ liệu nhiều. Đặc biệt, thời gian thực hiện thuật toán được cải thiện đáng kể trên hầu hết các bộ dữ liệu.
3- Điều này hứa hẹn sẽ tạo ra các thuật toán rút gọn thuộc tính hiệu quả hơn, từ đó cải thiện đáng kể độ chính xác phân lớp trên các bộ dữ liệu nhiễu.
