IH NG IH M LU NG D NG CÁC K THU T KHAI PHÁ D LI D LI U N GI Y PHÉP LÁI XE TH NG THÔNG TIN LU H TH NG THÔNG TIN NG - 2018 ng - IH NG IH M NG D NG CÁC K THU T KHAI PHÁ D LI D LI U LIÊN QUAN N GI Y PHÉP LÁI XE Chuyên ngành: H TH NG THÔNG TIN Mã s : 848 01 04 LU ng d n khoa h c: ng - iv M CL C L i TRANG THÔNG TIN LU ii M C L C .iv DANH M C CÁC T VI T T T .vi DANH M C B NG BI U vii DANH M C HÌNH viii M U 1 Lý ch tài M c tiêu nhi m v nghiên c u ng ph m vi nghiên c u u Ý c th c ti n c tài B c c lu T NG QUAN V KHAI PHÁ D LI U .4 1.2 Các d ng d li u có th khai phá ng ti p c n k thu t áp d ng c ng d ng 1.5 M t s li u n quy n p 1.5.2 Cây quy nh lu t: n 1.5.4 M ng neural 1.5.5 Gi i thu t di truy n .9 LU T K T H P VÀ THU T TỐN TÌM LU T LU T K T H P .10 2.1 T ng quan v lu t k t h p 10 2.2 M t s khái ni n 11 2.2.1 Lu t k t h p 11 h tr c a m t t p m c (itemset) 11 2.2.3 T p m c ph bi n (frequent itemset): 11 a m t lu t: 11 2.3 Bài toán khai phá d li u b ng lu t k t h p pha th c hi n 12 2.4 M t s tính ch t c a t p m c ph bi n lu t k t h p 14 v 2.4.1 M t s tính ch t v i t p m c ph bi n .14 2.4.2 M t s tính ch t c a lu t k t h p 14 2.5 Các lo i lu t k t h p 15 2.6 Các thu t toán khai phá d li u nh lu t k t h p 17 2.6.1 Khai phá lu t k t h ut d li u tác v .17 2.6.2 Khai phá lu t k t h ng .37 NG D NG LU T K T H P KHAI PHÁ D LI U TAI N N GIAO THÔNG .40 3.1 M u c a toán .40 3.2 K t qu c phát tri n ng d ng 58 K T LU N 59 TÀI LI U THAM KH O vi DANH M C CÁC T TNGT CSDL GPLX GPLX HKBH TT TTTT VI T T T vii DANH M C B NG BI U S hi u B ng 2.1 Tên b ng Ví d Trang d li u tai n n giao thông B ng 2.2 tin c y c a m t s lu t k t h B ng 2.3 Các ký hi u c a thu t toán Apriori 13 c sinh t b ng 2.1 14 18 B ng 2.4 d li B ng 2.5 Minh h a k t qu B ng 2.6 Danh sách L m c B ng 2.7 D li u tai n n giao thông 38 B ng 3.1 S li u tai n n 41 B ng 3.2 B ng 3.3 B ng 3.4 minh h a thu t toán Apriori 20 c c a thu t toán EP-growth cs px p 31 n u Hành khách b 30 43 n 43 n 44 viii DANH M C HÌNH S hi u Tên hình Trang Hình 1.1 Quá trình khai phá d li u Hình 2.1 B 32 Hình 2.2 Fp-tree ph thu c c u m c liên k t FP-tree v i CSDL D 36 TÀI LI U THAM KH O Ti ng Vi t: [1] Nguy Phân tích thi t k h th ng thơng tin, Nhà xu t b n i h c qu c gia Hà N i [2] Ðoàn V n Ban (2004), Phân tích thi t k h th ng b ng UML, Giáo trình khoa Cơng ngh Ð i h c Qu c gia Hà N i [3] Nguy n Thiên B [4] 2005, Nhà Xu t b [5] TS Nguy n Thanh Bình (2007), Bài gi ng phân tích thi t k h th ng hu ng i tu ng, ng Ð i h i h c Ðà N ng [6] Th ng, Nguy n Th tin, Nhà xu t b ih Khám phá SQL Server ng Xã h i Phân tích thi t k h th ng thơng m [7] Ph m H u Khang, Hồng Ð c H i (2006), C# 2005 L p trình c s d li u, Nhà xu t b n Lao ng Xã h i [8] Bài gi ng h th ng thông tin qu n lý, Khoa CNTT, B môn HTTT Kinh T , Thái Nguyên Ti ng Anh: [9] Alan Rea (1995), Data Mining An Introduction, The Parallel Computer Center, [10] Jiawei Han and Micheline Kamber (2002), Data mining: Concepts and Techniques, University of Illinois, Morgan Kaufamn Publishers [11] Rakesh Agrawal, Tomasz Imielinski and Arun Swami (1993), Mining association rules between sets of Items in lagre databases, In Proc of the ACM SIGMOD Conference on Mangement of Data, Washington, DC [12] Mohammed J.Zaki and Ching Jui Hsiao (1999), CHAM: An Efficient Algorithm for Closed Association Rules Mining, PRI Technical Report 99 [13] Jiawei Han and Micheline Kamber, Data mining: Concepts and Techniques, Academic Press 2001 [14] Zaki M., Parthasarathy S., Ogihara M.: New algorithms for fast discovery of association rule, KDDM 1998 [15] www.mimuw.edu.pl/~son/datamining ...IH NG IH M NG D NG CÁC K THU T KHAI PHÁ D LI D LI U LIÊN QUAN N GI Y PHÉP LÁI XE Chuyên ngành: H TH NG THÔNG TIN Mã s : 848 01 04 LU ng d n khoa... h p 14 2.5 Các lo i lu t k t h p 15 2.6 Các thu t toán khai phá d li u nh lu t k t h p 17 2.6.1 Khai phá lu t k t h ut d li u tác v .17 2.6.2 Khai phá lu t k t h ng ... 1.1 Quá trình khai phá d li u Hình 2.1 B 32 Hình 2.2 Fp-tree ph thu c c u m c liên k t FP-tree v i CSDL D 36 M v.v U g tin 2008 3.1 S 3 Ch ng T NG QUAN V KHAI PHÁ D LI U 1980 xem nh - ng kinh