Luận án tiến sĩ máy tính một số mở rộng của hệ suy diễn mờ phức cho bài toán hỗ trợ ra quyết định

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LƯƠNG THỊ HỒNG LAN MỘT SỐ MỞ RỘNG CỦA HỆ SUY DIỄN MỜ PHỨC CHO BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Hà Nội - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LƯƠNG THỊ HỒNG LAN MỘT SỐ MỞ RỘNG CỦA HỆ SUY DIỄN MỜ PHỨC CHO BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH Chuyên ngành: Khoa học máy tính Mã số: 9.48.01.01 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Lê Hoàng Sơn PGS.TS Nguyễn Long Giang Hà Nội - 2021 LỜI CAM ĐOAN Tác giả xin cam đoan cơng trình nghiên cứu thân tác giả, hoàn thành hướng dẫn PGS.TS Lê Hoàng Sơn PGS.TS Nguyễn Long Giang Các kết nghiên cứu kết luận luận án trung thực, không chép từ nguồn hình thức Việc tham khảo nguồn tài liệu thực trích dẫn ghi nguồn tài liệu tham khảo quy định Hà Nội, ngày 19 tháng 06 năm 2021 Tác giả luận án Lương Thị Hồng Lan LỜI CẢM ƠN Luận án hồn thành với nỗ lực khơng ngừng tác giả giúp đỡ từ thầy giáo hướng dẫn, bạn bè người thân Đầu tiên, tác giả xin bày tỏ lòng biết ơn chân thành sâu sắc tới thầy giáo hướng dẫn PGS.TS Lê Hoàng Sơn PGS.TS Nguyễn Long Giang Sự tận tình bảo, hướng dẫn động viên thầy dành cho tác giả suốt thời gian thực luận án kể hết Tác giả xin gửi lời cảm ơn tới thầy, cô giáo cán phận quản lý nghiên cứu sinh - Học viện Khoa học Công nghệ (Viện Hàn lâm Khoa học Công nghệ Việt Nam), phận quản lý nghiên cứu sinh Viện Công nghệ thơng tin nhiệt tình giúp đỡ tạo mơi trường nghiên cứu tốt để tác giả hồn thành cơng trình Tác giả xin chân thành cảm ơn anh chị em Lab Tại Viện Công nghệ thông tin - Đại học Quốc gia Hà Nội giúp đỡ tác giả suốt trình học tập nghiên cứu Lab Tác giả xin chân thành cảm ơn tới Ban Giám hiệu trường Đại học Sư phạm, Đại học Thái Nguyên, đồng nghiệp khoa Tốn, nơi tác giả cơng tác năm đầu nghiên cứu sinh; Ban Giám hiệu trường Đại học Thủy Lợi Hà Nội, đồng nghiệp khoa Công nghệ thông tin, nơi tác giả công tác động viên, giúp đỡ tác giả cơng tác để tác giả có thời gian tập trung nghiên cứu hoàn thành luận án thời hạn Đặc biệt tác giả xin bày tỏ lòng biết ơn sâu sắc tới Bố, Mẹ, em gia đình, người ln dành cho tình cảm nồng ấm sẻ chia lúc khó khăn sống, ln động viên giúp đỡ tơi q trình nghiên cứu Cảm ơn gái ln ngoan ngỗn ủng hộ để mẹ tập trung nghiên cứu, hoàn thành luận án Luận án quà tinh thần mà trân trọng gửi tặng đến thành viên Gia đình Tơi xin trân trọng cảm ơn! Hà Nội, ngày 19 tháng 06 năm 2021 Người thực Lương Thị Hồng Lan i MỤC LỤC Danh mục bảng vi Danh mục hình vẽ, đồ thị vii MỞ ĐẦU Chương 1 TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT 1.1 Giới thiệu 1.2 Vấn đề Hệ suy diễn mờ Hệ hỗ trợ định 1.3 Tổng quan nghiên cứu liên quan 10 1.3.1 Hệ suy diễn mờ 11 1.3.2 Các hệ phát triển dựa tập mờ phức 14 1.3.3 Các vấn đề tồn cần giải hệ CFIS 19 1.4 Cơ sở lý thuyết 20 1.4.1 Tập mờ 21 1.4.2 Tập mờ phức 21 1.4.3 Các phép toán tập mờ phức 24 1.4.4 Logic mờ phức 27 1.4.5 Độ đo mờ độ đo mờ phức 28 1.5 Dữ liệu thực nghiệm 30 1.5.1 Bộ liệu chuẩn 30 1.5.2 Bộ liệu thực- Bệnh gan Liver 31 1.5.3 Các độ đo đánh giá thực nghiệm 32 1.6 Kết Chương 33 ii Chương XÂY DỰNG HỆ SUY DIỄN MỜ PHỨC DẠNG MAMDANI (M-CFIS) 34 2.1 Giới thiệu 34 2.2 Đề xuất toán tử t-chuẩn t- đối chuẩn mờ phức 36 2.2.1 Toán tử t-chuẩn t-đối chuẩn 37 2.2.2 Toán tử t-chuẩn t-đối chuẩn mờ phức 38 2.2.3 Ví dụ minh họa hỗ trợ định 41 2.3 Hệ suy diễn mờ phức Mamdani (M-CFIS) 44 2.3.1 Đề xuất hệ suy diễn mờ phức Mamdani 44 2.3.2 Các lựa chọn sử dụng hệ suy diễn mờ phức Mamdani 45 2.3.3 Cấu trúc hệ suy diễn mờ phức Mamdani 47 2.3.4 Ví dụ số minh họa mơ hình suy diễn M-CFIS 49 2.3.5 Thử nghiệm đánh giá kết 51 2.4 Kết Chương 53 Chương TINH GIẢM HỆ LUẬT TRONG HỆ SUY DIỄN MỜ PHỨC MAMDANI (M-CFIS-R) 55 3.1 Giới thiệu 55 3.2 Đề xuất độ đo tương tự mờ phức 60 3.2.1 Độ đo tương tự mờ phức Cosine 61 3.2.2 Độ đo tương tự mờ phức Dice 62 3.2.3 Độ đo tương tự mờ phức Jaccard 63 3.3 Đề xuất mơ hình hệ suy diễn M-CFIS-R 64 3.3.1 Ý tưởng xây dựng mơ hình 64 3.3.2 Phần Training 65 3.3.3 Phần Testing 70 3.4 Thử nghiệm đánh giá kết 71 3.4.1 Kết thực nghiệm liệu UCI 71 3.4.2 Kết thực nghiệm liệu thực 73 iii 3.5 Kết Chương Chương 75 MỞ RỘNG HỆ SUY DIỄN MỜ PHỨC MAMDANI VỚI ĐỒ THỊ TRI THỨC (M-CFIS-FKG) 77 4.1 Giới thiệu 77 4.2 Một số mở rộng mơ hình M-CFIS-R 79 4.2.1 Hệ suy diễn mờ phức Sugeno Tsukamoto 79 4.2.2 Độ đo mờ phức dựa lý thuyết tập hợp 80 4.2.3 Tích phân mờ phức 86 4.3 Đề xuất mơ hình hệ suy diễn mờ phức M-CFIS-FKG 93 4.3.1 Ý tưởng xây dựng mơ hình 93 4.3.2 Xây dựng đồ thị tri thức mờ 95 4.3.3 Thuật toán suy diễn nhanh đồ thị tri thức mờ 96 4.3.4 Ví dụ minh họa hệ suy diễn mờ phức M-CFIS-FKG 98 4.4 Thực nghiệm đánh giá kết 103 4.4.1 Thực nghiệm 103 4.4.2 Kết thực nghiệm 104 4.5 Kết Chương 112 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 114 Những kết luận án 114 Hướng phát triển luận án 116 TÀI LIỆU THAM KHẢO 119 iv Kí hiệu viết tắt STT 10 11 12 13 14 15 16 17 Từ tắt FS CFS CFL FIS Tiếng anh Fuzzy Set Complex Fuzzy Set Complex Fuzzy Logic Fuzzy Inference System Complex Fuzzy Inference CFIS System Intituition Fuzzy Inference IFIS System Adaptive Neuro Fuzzy ANFIS Inference System Complex Neuro-Fuzzy CANFIS Inference System Adaptive Neuro Complex ANCFIS Fuzzy Inference System CNS Complex Neutrosophic Set Multicriteria decision MCDM making Fast Inference Search FISA Algorithm KG Knowledge Graph FKG Fuzzy Knowledge Graph Mamdani Fuzzy Inference M-FIS System Mamdani Complex Fuzzy M-CFIS Inference System Mamdani Complex Fuzzy M-CFIS-R Inference System Reduce Rule Diễn dải Tập mờ Tập mờ phức Logic mờ phức Hệ suy diễn Hệ suy diễn mờ phức Hệ suy diễn mờ trực cảm Hệ suy diễn mờ noron thích nghi Hệ suy diễn mờ noron thích nghi phức Mạng noron giá trị mờ phức thích nghi Tập Neutrosophic phức Hệ hỗ trợ định đa tiêu chí Thuật tốn tìm kiếm suy diễn nhanh Đồ thị tri thức Đồ thị tri thức mờ Hệ suy diễn mờ Mamdani Hệ suy diễn Mamdani mờ phức Hệ suy diễn mờ Mamdani - giảm luật phức v 18 M-CFISFKG 19 20 GRC UCI 21 RANCFIS 22 FANCFIS Mamdani Complex Fuzzy Inference System FuzzyKnowledge Graph Granular Computing UC Irvine Machine Randomized AdaptiveNetwork Based Fuzzy Inference System Fast Adaptive-Network Based Fuzzy Inference System Hệ suy diễn mờ phức Mamdani - Đồ thị tri thức mờ Tính tốn hạt Kho liệu chuẩn UCI Mạng nơ ron giá trị mờ phức thích nghi ngẫu nhiên Mạng nơ ron giá trị mờ phức thích nghi nhanh vi Danh mục bảng 1.1 Các liệu thực nghiệm chuẩn Benchmark 31 1.2 Các thuộc tính liệu đầu vào tập liệu bệnh gan Liver 32 2.1 Ma trận định dựa mẫu liệu 42 2.2 Ma trận định mờ 43 2.3 Ma trận chuẩn hóa 43 2.4 Ma trận định mờ 43 2.5 Ma trận định kết 44 2.6 Bộ liệu đầu vào 50 2.7 Bộ sở luật 50 4.1 Hệ sở luật mờ phức 95 4.2 Kịch 103 4.3 Kịch 103 vii Danh mục hình vẽ, đồ thị Cấu trúc luận án 1.1 Hệ suy diễn mờ Hệ hỗ trợ định 10 1.2 Sơ đồ tổng quan hệ suy diễn mờ 11 1.3 Hệ thống suy diễn Mamdani với hai đầu vào hai luật 12 1.4 Hệ suy diễn mờ Tagaki- Sugeno với hai đầu vào hai luật 13 1.5 Hệ suy diễn mờ Tsukamoto với hai đầu vào hai luật 14 1.6 Hệ thống logic mờ Ramot đề xuất 15 1.7 Kiến trúc hệ thống CANFIS 17 1.8 Biểu diễn hàm thuộc mờ phức 22 2.1 Mơ hình hệ suy diễn mờ phức Mamdani 45 2.2 Kết chạy thực nghiệm so sánh Bộ liệu WBCD 52 2.3 Kết chạy thực nghiệm so sánh Bộ liệu Diebetes 52 2.4 Kết chạy thực nghiệm so sánh Bộ liệu thực Liver 53 3.1 Giai đoạn Training mơ hình đề xuất 66 3.2 Giai đoạn Testing mơ hình M-CFIS-R đề xuất 71 3.3 Kết thực nghiệm liệu WBCD 72 3.4 Kết thực nghiệm liệu Diebetes 73 3.5 Kết thực nghiệm liệu thực Liver 74 4.1 Quá trình Training 94 4.2 Quá trình Testing 95 4.3 Biểu diễn luật mờ phức 96 viii 4.4 Đồ thị tri thức mờ 97 4.5 Đồ thị FKG cho sáu luật 100 4.6 Phân bố liệu với nhãn liệu có nhãn 104 4.7 Phân bố liệu với nhãn liệu có nhiều nhãn 105 4.8 So sánh mơ hình M-CFIS-R M-CFIS-FKG liệu WBCD 106 4.9 So sánh mô hình M-CFIS-R M-CFIS-FKG liệu Diebetes 107 4.10 So sánh mơ hình M-CFIS-R M-CFIS-FKG liệu Liver 108 4.11 So sánh mô hình M-CFIS-R M-CFIS-FKG liệu Wine 109 4.12 So sánh mơ hình M-CFIS-R M-CFIS-FKG liệu CTG 110 4.13 So sánh mơ hình M-CFIS-R M-CFIS-FKG liệu Arrhythmia111 MỞ ĐẦU Mở đầu Ra định phần vô quan trọng sống, gần nhiều nhà nghiên cứu đưa nhiều hướng tiếp cận khác để giải quyết, hỗ trợ trình định tiếp cận mờ, mơ hình giá trị độ đo Q trình hỗ trợ định chủ yếu tập trung vào việc đưa phương pháp, cách thức để hỗ trợ đưa định cuối cách đắn nhất, môi trường liệu ngày nhiều biến động, liệu không chắn, không xác định rõ ràng Tập mờ (Fuzzy Set-FS) Zadel đề xuất năm 1965 [1] coi công cụ hữu hiệu để giải tốn mà có liệu khơng chắn, không xác định rõ ràng Rất nhiều nghiên cứu mở rộng FS giới thiệu vài năm gần [2, 3, 4, 5, 6] ứng dụng nhiều toán hệ hỗ trợ định Một kĩ thuật quan trọng dựa lý thuyết FS ứng dụng việc giải toán hệ hỗ trợ định Hệ suy diễn mờ (Fuzzy Inference System - FIS) FIS ứng dụng rộng rãi nhiều toán phân loại/dự báo toán hệ hỗ trợ định lựa chọn nhân sự, lựa chọn nhà cung cấp, hỗ trợ chiến lược phát triển công ty Bên cạnh đó, vài ứng dụng khác hệ FIS sử dụng để tạo tập hợp luật mờ nhằm mục đích phát hiện, dự báo phân loại đối tượng phát ung thư phổi, phát bệnh đái tháo đường, dự đoán bị bệnh tim [7, 8, 9, 10, 11, 12, 13] Một phiên mở rộng FIS nhúng vào mạng nơ ron kết hợp với học dựa phương pháp gradient có tên gọi Hệ suy diễn mờ nơ ron thích nghi (ANFIS) [14] cho kết tốt vấn đề dự báo bệnh mạch vành, ước tính tăng cường độ dẫn nhiệt kim loại oxit kim loại [15, 16, 17, 18] Ngồi ra, ANFIS cịn kết hợp với mơ hình học máy khác thuật tốn tối ưu hóa bầy đàn áp dụng toán hệ hỗ trợ định [19, 20, 21] Bên cạnh đó, nhiều phiên khác hệ FIS tập mờ mở rộng áp dụng toán hỗ trợ định nghiên cứu rộng rãi Ví dụ hệ suy diễn mờ trực cảm (IFIS) sử dụng hồi quy ứng dụng hỗ trợ dự báo phá sản doanh nghiệp [22, 23, 24, 25, 25, 26, 27] Một số nghiên cứu kết hợp hệ suy diễn mờ tranh (PFS) với thuật toán phân cụm mờ tranh độ đo mờ tranh ứng dụng việc giải số vấn đề định dự báo thời tiết, dự báo giá cổ phiếu phân đoạn hình ảnh [28, 29, 30, 31, 32, 33, 34, 35] Gần đây, với gia tăng vấn đề định dựa liệu có thay đổi thời gian hay liệu có yếu tố chu kì, định kì khái niệm tập mờ phức (CFS) [36] đời với hàm thuộc bao gồm thành phần biên độ thành phần pha để biểu diễn, mơ tả liệu có yếu tố chu kì, định kì hay liệu có thay đổi thời gian CFS áp dụng nhiều nghiên cứu, tập trung chủ yếu vào vấn đề toán tử tổng hợp mờ phức, thông tin mềm mờ phức, độ đo khoảng cách mờ phức mạng khái niệm mờ phức [37, 38, 39, 40, 41, 42, 43] Ưu điểm CFS khả mơ hình hóa tượng kiện theo thời gian, theo giai đoạn để từ cho thấy tổng thể chúng ngữ cảnh định Ví dụ để xác nhận chẩn đoán huyết áp bệnh nhân “cao” hay “thấp” bệnh nhân đo 30 lần ghi lại giá trị tương ứng với lần đo, sau giá trị trung bình phương sai tính toán giá trị huyết áp đo Từ huyết áp bệnh nhân tính dễ dàng cách lấy giá trị trung bình phương sai lần đo (sử dụng ý nghĩa mờ hóa hệ FIS tập CFS), ví dụ huyết áp thấp với giá trị trung bình phương sai cho giá trị nhỏ Cịn huyết áp đo thời điểm đưa định dẫn đến định huyết áp bệnh nhân khơng xác Một ví dụ khác vấn đề chẩn đốn bệnh: dựa vào giá trị thuộc tính bệnh mà khơng xét tới thuộc tính khác làm cho kết chẩn đốn khơng xác, kết luận bệnh không phụ thuộc vào giá trị thuộc tính bệnh mà cịn cần phải xét tới yếu tố liên quan tới bệnh Hơn nữa, có nhiều kịch bản, liệu thực tế liên quan đến yếu tố pha, liệu có xu hướng tuần hồn, chẳng hạn lượng mưa ghi lại vùng sóng âm nhạc cụ tạo Do đó, hiển nhiên số phức phải có vị trí hệ thống suy luận mờ Đây động luận án Hệ suy diễn mờ phức coi công cụ hiệu việc giải vấn đề không chắn có yếu tố định kỳ, chu kì Hệ suy diễn mờ phức giới thiệu Ramot [44] gọi Hệ logic mờ phức phát triển từ hệ thống logic mờ thông thường thay tập mờ phép kéo theo mờ biến đổi phức tương ứng Một nghiên cứu khác Man cộng [45] dựa kết hợp phương pháp học quy nạp với hệ suy diễn tập phức Một phiên học nhúng khác với mạng mờ nơ ron tập CFS với tên gọi Hệ thống suy diễn mờ phức nơ ron thích nghi (ANCFIS) giới thiệu Chen công [46] Sau cải tiến ANCFIS với mục đích làm gia tăng tốc độ tính tốn đưa [47, 48] Mặc dù nhiều hệ thống suy diễn phát triển dựa tập mờ phức nghiên cứu ứng dụng hệ thống có chưa thực với ý nghĩa hệ thống suy diễn mờ phức thực Hầu hết hệ thống sử dụng tập mờ phức làm biến đầu vào nghiên cứu sử dụng thành phần biên độ trình định mà bỏ qua thành phần pha Ví dụ hệ logic mờ phức Ramot bỏ qua thành phần pha giải mờ kết đầu ra, làm cho hệ thống không đủ yếu tố xử lý với liệu có yếu tố lặp lại liệu xảy định kì, điều làm giảm ý nghĩa mơ hình hệ suy diễn mờ phức, trở thành hệ suy diễn mờ thường Cịn mơ hình ANCFIS Man Chen [46] sử dụng phép tích vơ hướng vec tơ cho q trình tổng hợp kết quả, coi giá trị đầu vào phức giá trị thực Do đó, hệ thống ANCFIS không thực hệ thống phức đầu hệ thống khơng thể đại diện cho tính tuần hồn thành phần Khi xử lý liệu có yếu tố chu kì, định kì, liệu có yếu tố thay đổi theo thời gian hệ FIS, ANFIS hay hệ phát triển tập mờ phức đưa hai phương thức xử lý chung: (1) Bỏ qua thông tin liên quan đến yếu tố thành phần pha; (2) Biểu diễn thành phần biên độ pha riêng biệt với thành thành phần riêng biệt cách sử dụng tập mờ Điều làm cho thông tin bị mát kết thu khơng có độ tin cậy cao (nếu thơng tin thành phần pha bị bỏ qua), làm sai lệch thơng tin giảm hiệu tính tốn (nếu thơng tin biên độ pha xử lý riêng biệt), thời gian tính tốn tăng thêm số lượng cần xử lý tăng thêm Thêm nữa, nghiên cứu có hệ suy diễn dựa lý thuyết tập mờ phức tồn số hạn chế sau: • Các hệ suy diễn mờ phức chưa đưa quy trình tổng thể xây dựng hệ suy diễn mờ phức cho hệ hỗ trợ định • Các hệ luật hệ suy diễn mờ phức có sinh dựa kinh nghiệm, dựa tư logic suy diễn mà chưa đề cập đến vấn đề tối ưu, tinh giảm hệ luật suy diễn mờ phức • Các hệ suy diễn chưa nghiên cứu để áp dụng liệu mà khơng có liệu huấn luyện sinh mơ hình suy diễn • Các tốn tử t-chuẩn t-đối chuẩn mờ phức cịn chưa quan tâm nghiên cứu tìm hiểu ứng dụng hệ hỗ trợ định Mục tiêu nghiên cứu luận án Xuất phát từ tồn hạn chế công bố tập mờ phức hệ suy diễn dựa tập mờ phức luận án tập trung nghiên cứu tìm hiểu áp dụng hệ suy diễn mờ phức toán hệ hỗ trợ định với liệu có yếu tố thời gian , cụ thể sau: • Nghiên cứu lý thuyết tập mờ phức, logic mờ phức, độ đo dựa tập mờ phức • Nghiên cứu phát triển hệ suy diễn dựa tập mờ phức 5 • Nghiên cứu kĩ thuật để giảm luật mờ hệ suy diễn mờ phức • Nghiên cứu đồ thị tri thức mờ biểu diễn luật mờ để giảm thời gian tính tốn suy diễn tập testing xử lí suy diễn có tập liệu mà khơng có sẵn tập liệu huấn luyện Xuất phát từ mục tiêu nghiên cứu, phạm vi nghiên cứu luận án tập trung nghiên cứu số vấn đề sau: • Nghiên cứu lý thuyết tập mờ phức, phép toán hệ suy diễn dựa tập mờ phức • Luận án nghiên cứu thử nghiệm toán hệ hỗ trợ định với liệu có yếu tố thời gian Với mục tiêu đặt trên, luận án đạt số kết sau: • Đề xuất hệ suy diễn mờ phức theo mơ hình Mamdani: Dựa mơ hình hệ suy diễn mờ cổ điển Mamdani, luận án phát triển mơ hình suy diễn Mamdani tập mờ phức Mơ hình cấu trúc hệ suy diễn mờ phức đề xuất bước cụ thể hệ suy diễn mờ phức Mamdani đưa áp dụng thực nghiệm mơ hình suy diễn với liệuchuẩn UCI liệu thực Thêm nữa, NCS đề xuất toán tử t-chuẩn, t-đối chuẩn mờ phức ví dụ số với hệ hỗ trợ định Các đóng góp trình bày nội dung Chương luận án • Đề xuất độ đo tương tự dựa tập mờ phức, kết hợp độ đo tương tự mờ phức tính tốn hạt để giải vấn đề tinh giảm hệ luật mơ hình suy diễn mờ phức Mamdani Cải tiến mơ hình hệ suy diễn mờ phức Mamdani Chương xây dựng hệ suy diễn mờ phức M-CFIS-R Các đóng góp trình bày chi tiết Chương luận án • Đề xuất mở rộng hệ suy diễn mờ phức theo mơ hình Sugeno Tsukamoto độ đo mờ phức, tích phân mờ phức dựa lý thuyết tập hợp Nghiên cứu cách biểu diễn luật mờ dựa đồ thị tri thức cải tiến mơ hình hệ suy diễn mờ phức M-CFIS-R để đưa mơ hình M-CFIS-FKG Thực nghiệm liệu chứng minh hiệu thời gian tính tốn mơ hình suy diễn trường hợp liệu kiểm tra khơng có liệu huấn luyện Đối tượng nghiên cứu luận án hệ suy diễn theo tiếp cận tập mờ phức, phương pháp cải tiến hệ luật biểu diễn hệ luật qua đồ thị tri thức Phương pháp nghiên cứu luận án nghiên cứu lý thuyết nghiên cứu thực nghiệm i) Nghiên cứu lý thuyết: Nghiên cứu tổng quan lý thuyết tập mờ phức, phép toán mờ phức t-chuẩn, t-đối chuẩn, độ đo dựa tập mờ phức hệ suy diễn mờ phức cơng bố, phân tích ưu điểm, nhược điểm vấn đề tồn nghiên cứu liên quan Trên sở đó, đề xuất phép tốn, độ đo tương tự, độ đo dựa lý thuyết tập hợp hệ suy diễn mờ phức theo mơ hình Mamdani, Sugeno Tsukamoto Các đề xuất, cải tiến chứng minh chặt chẽ lý thuyết định lý, mệnh đề ii) Nghiên cứu thực nghiệm: Các thuật toán đề xuất cài đặt, chạy thử nghiệm, so sánh, đánh giá với hệ suy diễn khác số liệu mẫu từ kho liệu UCI liệu thực tế Bệnh viện Gang thép Thái Nguyên nhằm minh chứng tính hiệu nghiên cứu lý thuyết Cấu trúc luận án Bố cục luận án gồm bốn chương nội dung chính, phần Mở đầu, Kết luận danh mục tài liệu tham khảo Phần Mở đầu trình bày tổng quan vấn đề nghiên cứu, lý chọn đề tài, đối tượng, mục tiêu nội dung nghiên cứu luận án Phần Kết luận tổng kết kết đạt luận án hướng phát triển, hướng nghiên cứu tương lai Các chương nội dung tổ chức Hình cụ thể sau: Chương NCS trình bày kiến thức tổng quan sử dụng luận án kiến thức tảng tập mờ, tập mờ phức hệ suy diễn dựa tập mờ tập mờ phức Thêm độ đo phát triển dựa tập mờ tập Hình 1: Cấu trúc luận án mờ phức trình bày chương mở đầu Từ kiến thức mà chúng tơi đưa lí để sử dụng hệ suy diễn mờ phức việc giải toán hỗ trợ định có liệu thay đổi theo thời gian Các liệu thực nghiệm luận án với thước đo dùng để đánh giá thực nghiệm trình bày chi tiết chương Chương 2, dựa hệ suy diễn mờ cổ điển Mamdani, NCS phát triển hệ suy diễn Mamdani tập mờ phức đồng thời trình bày chi tiết thành phần phép toán sử dụng mơ hình đề xuất Các phép tốn t- chuẩn t-đối chuẩn định nghĩa ứng dụng toán hỗ trợ định Cuối chương kết thực nghiệm nhận xét so sánh hệ suy diễn đề xuất liệu thực nghiệm với hệ suy diễn mờ Mamdani Vấn đề tinh giảm hệ luật hệ suy diễn mờ phức Mamdani nội dung đề cập xem xét đến nội dung chương Xuất phát từ lý thuyết tính tốn hạt, NCS đề xuất độ đo tương tự mờ phức độ đo mờ phức kết hợp với tính tốn hạt để thực việc tinh giảm hệ luật hệ suy diễn mờ phức Mamdani đề xuất chương (hệ suy diễn mờ phức M-CFIS-R) Ví dụ số thực nghiệm liệu trình bày để chứng minh tính hiệu vấn đề giảm luật tối ưu hóa hệ luật hệ suy diễn mờ phức Mamdani Chương 4, NCS mở rộng mơ hình M-CFIS-R sang hệ mờ Sugeno Tsukamoto đồng thời đề xuất thêm độ đo mờ phức tích phân mờ phức dựa lý thuyết tập hợp Nếu Chương 3, NCS tập trung vào vấn đề giảm luật, tối ưu luật phần Training Chương NCS lại tập trung vào cải tiến Testing cách sử dụng lý thuyết đồ thị tri thức mờ để biểu diễn luật thực suy luận xấp xỉ ghi khơng có liệu Training Việc biểu diễn luật mờ phức đồ thị tri thức mờ giảm nhiều thời gian tính tốn hệ suy diễn mờ phức M-CFIS-R  ... Tập mờ Tập mờ phức Logic mờ phức Hệ suy diễn Hệ suy diễn mờ phức Hệ suy diễn mờ trực cảm Hệ suy diễn mờ noron thích nghi Hệ suy diễn mờ noron thích nghi phức Mạng noron giá trị mờ phức thích... NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LƯƠNG THỊ HỒNG LAN MỘT SỐ MỞ RỘNG CỦA HỆ SUY DIỄN MỜ PHỨC CHO BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH Chuyên ngành: Khoa học máy tính Mã số: 9.48.01.01 LUẬN ÁN. .. dựng hệ suy diễn mờ phức cho hệ hỗ trợ định • Các hệ luật hệ suy diễn mờ phức có sinh dựa kinh nghiệm, dựa tư logic suy diễn mà chưa đề cập đến vấn đề tối ưu, tinh giảm hệ luật suy diễn mờ phức