Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.

Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.Nghiên cứu phát triển hệ suy diện mờ phức không – thời gian và ứng dụng trong dự báo ngắn hạn chuỗi ảnh vệ tinh.

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LÊ TRƯỜNG GIANG NGHIÊN CỨU PHÁT TRIỂN HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN VÀ ỨNG DỤNG TRONG DỰ BÁO NGẮN HẠN CHUỖI ẢNH VỆ TINH LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH Hà Nội - 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ LÊ TRƯỜNG GIANG NGHIÊN CỨU PHÁT TRIỂN HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN VÀ ỨNG DỤNG TRONG DỰ BÁO NGẮN HẠN CHUỖI ẢNH VỆ TINH Chuyên ngành: Hệ thống thông tin Mã số: 9.48.01.04 LUẬN ÁN TIẾN SĨ NGÀNH MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Lê Hoàng Sơn PGS.TS Nguyễn Long Giang Hà Nội - 2023 LỜI CAM ĐOAN Tôi xin cam đoan luận án “Nghiên cứu phát triển hệ suy diễn mờ phức không - thời gian ứng dụng dự báo ngắn hạn chuỗi ảnh vệ tinh” cơng trình nghiên cứu hướng dẫn khoa học tập thể cán hướng dẫn Luận án có sử dụng thơng tin trích dẫn từ nhiều nguồn tham khảo khác thơng tin trích dẫn ghi rõ nguồn gốc Các kết nghiên cứu viết chung với tác giả khác trí đồng tác giả đưa vào luận án Các số liệu, kết trình bày luận án hồn tồn trung thực chưa cơng bố cơng trình khác Luận án hồn thành thời gian tơi làm Nghiên cứu sinh Học viện Khoa học Công nghệ, Viện Hàn lâm Khoa học Công nghệ Việt Nam Hà Nội, ngày tháng năm 2023 Tác giả luận án Lê Trường Giang 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 bộ phận quản lý nghiên cứu sinh Học viện Khoa học Công nghệ, Viện Hàn lâm Khoa học Công nghệ Việt Nam phận quản lý sau đại học Viện Cơng nghệ thơng tin nhiệt tình giúp đỡ tạo môi 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 Công nghiệp Hà Nội, đồng nghiệp Trung tâm Đảm bảo chất lượng, nơi tác giả công tác động viên, hỗ trợ tác giả cơng việc để tác giả có thời gian tập trung nghiên cứu hoàn thành luận án Tác giả xin bày tỏ lịng biết ơn vơ hạn cha mẹ, vợ con, anh chị em gia đình, người kiên trì chia sẻ, động viên vật chất lẫn tinh thần, ủng hộ yêu thương vô điều kiện Xin chân thành cám ơn anh chị em, bạn bè thân thiết cổ vũ, động viên tác giả trình thực luận án Cuối cùng, xin kính chúc Thầy, Cô, bạn đồng nghiệp, anh chị em, bạn bè mạnh khỏe, đạt nhiều thành tựu công tác, học tập nghiên cứu khoa học! Hà Nội, ngày tháng năm 2023 Người thực Lê Trường Giang i Mục lục Kí hiệu viết tắt iv Danh sách bảng vi Danh sách hình vẽ viii MỞ ĐẦU Chương 1.TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT 10 1.1 Giới thiệu 10 1.2 Tổng quan nghiên cứu liên quan 10 1.2.1 Dự đoán biến đổi ảnh viễn thám dựa suy diễn mờ 11 1.2.2 Dự đoán biến đổi ảnh viễn thám dựa phương pháp học máy 12 1.2.3 Dự đoán biến đổi ảnh viễn thám dựa phương pháp học sâu 13 1.2.4 Các phương pháp sinh luật 14 1.2.5 Các phương pháp huấn luyện tham số 15 1.2.6 Nhận xét nghiên cứu liên quan 16 1.3 Cơ sở lý thuyết 16 1.3.1 Tập mờ 16 1.3.2 Tập mờ phức 17 1.3.3 Hệ suy diễn mờ 19 1.3.4 Hệ suy diễn mờ phức 21 1.3.5 Hệ suy diễn mờ phức Mamdani (M-CFIS) 24 1.3.6 Các phép toán tập mờ phức 26 1.3.7 Độ đo mờ phức 28 ii 1.3.8 Ảnh viễn thám 30 1.4 Dữ liệu, môi trường công cụ đánh giá 32 1.4.1 Dữ liệu thực nghiệm 32 1.4.2 Công cụ môi trường thử nghiệm 33 1.4.3 Độ đo phương pháp phân tích 33 1.5 Kết chương 34 Chương 2.HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 35 2.1 Giới thiệu 35 2.2 Mơ hình đề xuất Spatial CFIS 36 2.3 Chi tiết thuật toán 36 2.4 Độ phức tạp tính tốn 44 2.5 Ví dụ minh họa 44 2.6 Thực nghiệm 58 2.6.1 Kịch thử nghiệm 58 2.6.2 Kết thực nghiệm 58 2.6.3 Phân tích ANOVA kết thử nghiệm 63 2.6.4 Thảo luận kết thử nghiệm 67 2.7 Kết luận chương 70 Chương PHƯƠNG PHÁP XÁC ĐỊNH ĐỒNG THỜI CÁC THAM SỐ TRONG HỆ SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 72 3.1 Giới thiệu 72 3.2 Mơ hình đề xuất Co-Spatial CFIS+ 72 3.3 Chi tiết thuật toán 74 3.4 Độ phức tạp tính tốn 81 3.5 Ví dụ minh họa 83 3.6 Thực nghiệm 99 3.6.1 Kịch thử nghiệm 99 3.6.2 Kết thử ngiệm 99 iii 3.6.3 Phân tích ANOVA kết thử nghiệm 103 3.6.4 Thảo luận kết thử nghiệm 105 3.7 Kết luận chương 107 Chương 4.PHƯƠNG PHÁP TỐI ƯU HỆ LUẬT SUY DIỄN MỜ PHỨC KHÔNG - THỜI GIAN 108 4.1 Giới thiệu 108 4.2 Mơ hình đề xuất Spatial CFIS++ 109 4.3 Chi tiết thuật toán 110 4.4 Ví dụ minh họa 118 4.5 Thực nghiệm 127 4.5.1 Kịch thử nghiệm 127 4.5.2 Kết thử nghiệm 127 4.5.3 Phân tích ANOVA kết thử nghiệm 132 4.5.4 Thảo luận kết thử nghiệm 134 4.6 Kết luận chương 135 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 136 iv Ký hiệu viết tắt STT Từ viết tắt FS CFS CFL FIS CFIS ANFIS CANFIS ANCFIS FKG 10 M-CFIS 11 M-CFIS-R 12 M-CFIS-FKG 13 RANCFIS 14 FANCFIS 15 Spatial CFIS 16 ANOVA Từ tiếng Anh Fuzzy Set Complex Fuzzy Set Complex Fuzzy Logic Fuzzy Inference System Complex Fuzzy Inference System Adaptive Neuro Fuzzy Inference System Complex Neuro-Fuzzy Inference System Adaptive Neuro Complex Fuzzy Inference System Fuzzy Knowledge Graph Mamdani Complex Fuzzy Inference System Mamdani Complex Fuzzy Inference System Reduce Rule Mamdani Complex Fuzzy Inference System FuzzyKnowledge Graph Randomized AdaptiveNetwork Based Fuzzy Inference System Fast Adaptive-Network Based Fuzzy Inference System Spatial Complex Fuzzy Inference Systems Analysis of Variance Diễn giải/Tạm dịch Tập mờ Tập mờ phức Logic mờ phức Hệ suy diễn Hệ suy diễn mờ phức Hệ suy diễn mờ noron thích nghi Hệ suy diễn mờ noron thích nghi phức Mạng noron giá trị mờ phức thích nghi Đồ thị tri thức mờ Hệ suy diễn mờ phức Mamdani Hệ suy diễn mờ phức Mamdani - giảm luật Hệ suy diễn mờ phức Mamdani - Đồ thị tri thức mờ Mạng nơ ron giá trị mờ phức thích nghi ngẫu nhiên Mạng nơ ron giá trị mờ phức thích nghi nhanh Hệ luật mờ phức khơng gian dạng tam giác Phân tích phương sai v 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 Adaptive Moment Estimation Co-Learning in Spatial Co-Spatial CFIS+ Complex Fuzzy Inference System+ Frank-Wolfe Adam online FWAdam learning algorithm DNN Deep neural network Convolutional Neural CNN Network DBN Deep Belief Network MF Membership Function RSI Remote Sensing Image FCM Fuzzy C-Means Deeply Supervised Image DSIFN Fusion Network Synthetic Aperture SAR Radar Multivariate Alteration MAD Detection Triangular Picture Fuzzy TPFN Number World Meteorological OrWMO ganization KNN K-Nearest Neighbors Principal Components PCA Analysis SVM Support Vector Machine ExT Extra-Trees Convolution Long-Short ConvLSTM Term Memory Long-Short Term MemLSTM ory Recurrent Neural NetRNN work ADAM Thuật toán tối ưu ADAM Phương pháp học đồng thời cho hệ suy diễn mờ phức không - thời gian Thuật toán tối ưu FWAdam Mạng nơ ron sâu Mạng nơ ron tích chập Mạng niềm tin sâu Hàm thành viên Ảnh viễn thám Thuật toán phân cụm mờ Mạng tổng hợp hình ảnh giám sát sâu Radar độ tổng hợp Phát thay đổi đa biến Số mờ viễn cảnh tam giác Tổ chức khí tượng giới K láng giềng gần Phân tích thành phần Máy véc-tơ hỗ trợ Các mở rộng Bộ nhớ dài-ngắn hạn tích chập Bộ nhớ dài-ngắn hạn Mạng nơ ron hồi quy vi Danh sách bảng 2.1 Kết thuật toán đề xuất thuật toán so sánh với độ đo RM SE liệu có kích thước 100x100 Pixels 58 2.2 Kết thuật toán đề xuất thuật toán so sánh với độ đo RM SE liệu có kích thước 500x500 Pixels 59 2.3 Kết thuật toán đề xuất thuật toán so sánh với độ đo R2 liệu có kích thước 100x100 Pixels 60 2.4 So sánh trung bình R2 thuật tốn cho tập liệu 500x500 Pixels 61 2.5 So sánh trung bình RMSE thuật toán cho tập liệu PRISMA 62 2.6 So sánh trung bình R2 thuật tốn cho tập liệu PRISMA 62 2.7 Kết phân tích ANOVA Spatial CFIS thuật toán so sánh hình ảnh kích thước 100x100 Pixels 64 2.8 RMSE: Các giá trị thống kê F từ ANOVA với thuật toán 65 2.9 R2 : Các giá trị thống kê F từ ANOVA với thuật toán 65 2.10Kết phân tích nhân tố đơn bốn thuật tốn hình ảnh dự đốn với liệu PRISMA 66 2.11Tóm tắt kết t-Test RMSE R2 hình ảnh dự đốn 66 2.12Tóm tắt kết t-Test RMSE R2 liệu Prisma 67 3.1 Ma trận kết dự báo hình ảnh đại diện 78 3.2 Dữ liệu đầu vào X1 sau chuyển ảnh xám 83 3.3 Dữ liệu đầu vào X2 sau chuyển ảnh xám 83 3.4 Dữ liệu đầu vào pixel đại diện Imtb 84 3.5 Dữ liệu đầu vào pixel đại diện Imtb 84 3.6 Kết κ2 ảnh đầu vào X1 84 1 db ∗ − O 3/ = − 101.2988 = 98.2 X3 = ⌈ ⌉ κ3 × d3 0.3216 ×