1 LỜI NÓI ĐẦU Trong sống loài người, ngôn ngữ hình thành cách tự nhiên để giải nhu cầu trao đổi thông tin với Hơn thế, công cụ để người mô tả vật, tượng giới thực dựa để tư duy, lập luận đưa nhận định, phán nhằm phục vụ cho sống xã hội Ngày khoa học công nghệ có phát triển vượt bậc, nhiều máy móc thiết bị tạo góp phần giải phóng sức lao động người Trong lĩnh vực công nghệ thông tin có đóng góp vô to lớn cho phát triển kinh tế - xã hội nói chung giúp giải phóng sức lao động không lao động chân tay mà lao động trí óc người nói riêng Công nghệ thông tin góp phần đưa khả tư duy, lập luận sáng tạo kiểu não người vào máy móc thiết bị để “thông minh hơn” Để thực điều này, nhiều nhà khoa học nghiên cứu lý thuyết lẫn ứng dụng, đưa phương pháp, quy trình nhằm kế thừa, mô khả người vào thiết bị máy móc Trước hết, nhà khoa học phải hình thức hóa toán học vấn đề ngôn ngữ xử lý ngôn ngữ mà người làm Người tiên phong lĩnh vực Lotfi A Zadeh, ông đề xuất khái niệm mờ từ khái niệm mơ hồ, không rõ ràng Cho đến nay, hệ mờ phân lớp dạng luật (FRBCS) mô hình nhiều tác giả quan tâm nghiên cứu sử dụng khai phá liệu, tìm kiếm tri thức từ liệu cho toán phân lớp Thế mạnh mô hình cung cấp cho người dùng cuối tri thức dạng luật dễ hiểu, dễ sử dụng người tri thức họ Với việc sử dụng tập mờ lôgic mờ, nghiên cứu tìm kiếm phương pháp xây dựng hệ mờ phân lớp dạng luật nhằm đạt hai mục tiêu chính: thứ nhất, hiệu phân lớp hệ cao tốt; thứ hai, tính phức tạp hệ đồng thời nhỏ tốt Mô hình xây dựng hệ luật mờ phân lớp dựa đại số gia tử đề xuất với mục tiêu xây dựng hệ luật mờ để ứng dụng phân lớp cho mẫu liệu cho hệ luật phải có hiệu phân lớp cao, đơn giản, dễ hiểu tường minh người dùng tốt Tên đề tài lựa chọn “Phương pháp trích rút luật mờ phân lớp dựa đại số gia tử ứng dụng” Nội dung luận văn bố cục thành phần sau: Chương Kiến thức hệ mờ lập luận xấp xỉ Chương Phương pháp trích rút luật mờ phân lớp dựa đại số gia tử Chương Cài đặt thử nghiệm đánh giá CHƯƠNG 1: KIẾN THỨC CƠ BẢN VỀ HỆ MỜ VÀ LẬP LUẬN XẤP XỈ 1.1 Khái quát lập luận xấp xỉ (lập luận mờ) Từ năm 1965 Zadeh đưa lý thuyết tập mờ, logic mờ phải đến thập niên cuối kỷ XX lý thuyết tập mờ, logic mờ đặc biệt quan tâm nghiên cứu ứng dụng vào lý thuyết điều khiển, hệ thống trí tuệ nhân tạo Tập mờ logic mờ dựa suy luận người thông tin không đầy đủ để hiểu biết điều khiển hệ thống Điều khiển mờ mô cách xử lý thông tin điều khiển người đối tượng, điều khiển mờ giải thành công nhiều vấn đề điều khiển phức tạp trước chưa giải 1.1.1 Định nghĩa tập mờ Định nghĩa 1.1: [4] Cho tập vũ trụ U với phần tử ký hiệu x, U={x} Một tập mờ A U tập đặc trưng bở hàm (x) mà liên kết phần tử x U với số thực đoạn [0,1] Giá trị hàm diễn mức độ thuộc x A (x) biểu (x) ánh xạ từU vào [0,1] gọi hàm thuộc tập mờ A[1] Hay A gọi tập mờ khi: A = {(x, Trong (x) x U, (x): U [0,1]} (1) (x) gọi hàm thuộc tập mờ A Giá trị hàm (x) gần tới mức độ thuộc x A cao Tập mờ mở rộng khái niệm tập hợp kinh điển Khi A tập hợp kinh điển A biểu diễn sau A = {(x, (x) x U, (x): U {0,1}} (2) Khi hàm thuộc (x) nhận hai giá trị 1.1.2 Số mờ Định nghĩa 1.2: [4] Tập mờ A đường thẳng số thực R số mờ, nếu: 1.A chuẩn hóa, tức có điểm x’ cho Ứng với R, tập mức {x: (x) ≥ (x’) = } đoạn đóng R (x) hàm liên tục Một số dạng số mờ thường sử dụng số mờ dạng tam giác, hình thang dạng hàm Gauss a Số mờ dạng tam giác xác định tham số Khi hàm thuộc sô mờ tam giác A(a, b, c) cho bởi: ( ) = ⁄ ⁄ ≤ ≤ ≤ = ≤ ≤ = a z b c z b.Số mờ hình thang A(a, b, c, d) sác định tham số hàm thuộc cho bởi: nếu ⁄ ( ) = nếu ⁄ ≤ ≤ ≤ ≤ ≤ ≤ ≤ = a b z d c c.Số mờ dạng hàm Gauss có hàm thuộc cho bởi: ( )= Trong ( ) ( σ) nếu |x nếu |x c| ≤ c| ≥ số dương chọn thích hợp z Khái niệm phân hoạch mờ (fuzzy partition) khái niệm quan trọng việc tiếp cận giải toán phân lớp 1.1.3 Định nghĩa phân hoạch mờ Theo [4] Cho p điểm cố định m1[...]... đòi hỏi khối lượng tính toán lớn, hoặc các hàm thuộc của các giá trị ngôn ngữ có thể gần như đồng nhất với nhau khi sử dụng biện pháp điều chỉnh tham số 27 CHƯƠNG 2: PHƯƠNG PHÁP TRÍCH RÚT LUẬT MỜ PHÂN LỚP DỰA TRÊN ĐẠI SỐ GIA TỬ 2.1 Phương pháp sinh các từ ngôn ngữ trong Đại số gia tử 2.1.1 .Phương pháp sinh tập giá trị ngôn ngữ trong đại số gia tử Trong [1] đã chứng minh miền ngôn ngữ X = Dom(X) của... tham số mờ gia tử fm(c-), fm(c+), µ(h) ∀h ∈ H 1.3 Bài toán phân lớp và phương pháp giải quyết dựa trên hệ mờ dạng luật 1.3.1 Bài toán phân lớp Trong các bài toán về lĩnh vực khai phá dữ liệu thì bài toán phân lớp là một trong những bài toán đặc trưng được nhiều tác giả nghiên cứu, với các phương pháp khác nhau để đạt được hiệu quả phân lớp cao nhất Trong đó có phương pháp dựa trên hệ mờ dạng luật (fuzzy... nữa về các mô hình ứng dụng hệ luật mờ, đặc biệt trường hợp luật mờ có kết luận chỉ chứa giá trị hằng cá thể sẽ được trình bày tiếp ở những phần sau 1.2.Một số vấn đề cơ bản trong Đại số gia tử 1.2.1 Đại số gia tử Để mô phỏng các quá trình suy luận của con người, lý thuyết đại số gia tử (ĐSGT) đã cố gắng nhúng tập ngôn ngữ vào một cấu trúc đại số thích hợp và tìm cách xem chúng như là một đại số để... định lượng (.)) và chân là đỉnh của hai giá trị ngôn ngữ liền kề (hình vẽ) kj = 1 (a) 36 kj = 2 (b) kj = 3 (c) 2.3 Xây dựng hệ mờ dạng luật phân lớp dựa trên Đại số gia tử Áp dụng lược đồ đã trình bày ở trên để xây dựng một hệ luật mờ phân lớp, ta gọi hệ này là hệ luật khởi đầu Trong phần này, dựa trên lưới phân hoạch hệ các khoảng tính mờ Ik, chúng ta sẽ thiết kế thuật toán sinh hệ luật mờ như sau Thuật... và xử lý Theo tiếp cận của tập mờ, việc định lượng hóa các khái niệm mờ được thực hiện qua các phương pháp khử mờ (defuzzification) Đối với ĐSGT, giá trị định lượng của các hạng từ được định nghĩa dựa trên cấu trúc thứ tự ngữ nghĩa của miền giá trị của các biến ngôn ngữ, cụ thể là độ đo tính mờ của các hạng từ và gia tử Tuy có nhiều phương pháp xác định giá trị định lượng của các hạng từ dựa trên các. .. trọng số luật theo CF1,CF2 và CF4 Với hệ luật mờ S dạng (1.4) ta có thường sử dụng phương pháp chọn luật có mức đốt cháy lớp nhất đối với dữ liệu để đưa vào và phân lớp tương ứng với kết luận của luật đó (SWR – single winner rule): 25 ClassifySWR ( p ')  arg Ch max{ Ah (p').CFw | A h  Ch  S} trong đó w là chỉ số tương ứng trọng số luật được chọn, w (1.15) {1,2,3,4}, hoặc có thể áp dụng với trọng số. .. hoạch ở trên tạo thành hệ S Bước 1 thường dựa trên các tập mờ tương ứng với các giá trị ngôn ngữ trên miền của các thuộc tính Chúng ta có thể sử dụng phương pháp phân hoạch dạng lưới (grid-partition) hoặc phân hoạch theo sự phân bố dữ liệu (scatterpartition) 22 Ví dụ: Cho bài toán phân lớp với tập mẫu có thuộc tính x1, x2 và hai lớp {C1, C2} biểu thị bằng chấm tròn và vuông (hình ): Hình 1.3: Lưới phân. .. cq.sq (1.19) Một phương pháp khác được sử dụng là thiết kết các thuật toán tìm kiếm hệ luật tối ưu dựa trên giải thuật di truyền (GA) Trong đó các luật mờ được mã hóa bằng các cá thể trong GA bời một trong 2 phương pháp là Michigan hoặc Pittsburgh mã hóa tập các luật mờ thành một cá thể 1.4 Kết luận Chương này đã trình bày một số khái niệm cơ bản về lập luận mờ: khái niệm về tập mờ, số mờ, khái niệm về... biến ngôn ngữ và các phép toán trên tập 26 mờ Bên cạnh đó Chương 1 còn trình bày các khái niệm về ĐSGT, các tính chất của ĐSGT, vấn đề định lượng ngữ nghĩa trong ĐSGT, các khái niệm về khoảng mờ của các giá trị ngôn ngữ Trong chương này còn trình bày về bài toán phân lớp và các phương pháp tiếp cận giải bài toán của một số tác giả Từ đó ta thấy các phương pháp này còn gặp trở ngại vì số luật sinh ra... hóa và được gọi là đại số gia tử và được ký hiệu là AX = (X, G, H, ) trong đó G là tập các phần tử sinh, H là tập các gia tử (hedge) còn “” là quan hệ cảm sinh ngữ nghĩa trên X Giả thiết trong G có chứa các phần tử hằng 0, 1, W với ý nghĩa là phần tử bé nhất, phần tử lớn nhất và phần tử trung hòa (neutral) trong X Ta gọi mỗi giá trị ngôn ngữ xX là một hạng từ (term) trong ĐSGT Nếu tập X và H là các